一种基于前馈神经网络的水下声传播损失预测方法及系统

本发明提供一种基于前馈神经网络的水下声传播损失预测方法及系统，属于水下声波技术领域，包括：利用主成分分析法和K‑means算法对历史海洋环境数据进行降维和分类，构建训练数据，离线训练FNN模型，完成训练的FNN模型部署到UUV系统中，使其能在接收到少量原位测量数据快速计算出UUV与水下平台所在区域的传播损失。与Bellhop模型相比，本发明在保证计算精度的同时，显著减少了计算资源的占用，并大幅提高了计算速率，为UUV的水下通信提供了一种高效和准确的预测技术。