(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111254407.3 (22)申请日 2021.10.27 (71)申请人 中国海洋大学 地址 266100 山东省青岛市崂山区松岭路 238号 (72)发明人 魏志强　杨巧巧　黄磊　 (74)专利代理 机构 北京工信联合知识产权代理 有限公司 1 1266 代理人 姜丽楼 (51)Int.Cl. G01V 7/00(2006.01) G01V 7/06(2006.01) G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 3/08(2006.01) (54)发明名称 一种基于卫星高度计反演海底地形的方法 和系统 (57)摘要 本发明公开了一种基于卫星高度计反演海 底地形的方法， 包括： 根据卫星测高数据， 获取大 地水准面信息和垂线偏差信息； 根据海洋重力异 常测量数据、 观测海域的卫星测高数据， 以及所 述大地水准面信息和垂线偏差信息， 构建基于神 经网络的海洋重力异常模型； 通过所述海洋重力 异常模型， 获取相应海域的海洋重力异常数据； 将所述海洋重力异常数据、 相应海域的平均水 深、 最大水深、 地壳和海水的密度差异数据作为 输入数据， 构建基于深度神经网络的海底地形反 演模型； 通过所述海底地形反演模型， 提取输入 数据中的海底 地形相关特征， 反演相应海域的海 底地形。 解决海底地形反演的空间分辨率较低与 最优密度差异常数确定困难的问题。 权利要求书2页 说明书8页 附图5页 CN 114137624 A 2022.03.04 CN 114137624 A 1.一种基于卫星高度计反演海底地形的方法， 其持征在于， 包括： 根据卫星测高数据， 获取 大地水准 面信息和垂线偏差信息； 根据海洋重力异常测量数据、 观测海域的卫星测高数据， 以及所述大地水准面信息和 垂线偏差信息， 构建基于神经网络的海洋重力异常模型； 通过所述海洋重力异常模型， 获取相应海域的海洋重力异常数据； 将所述海洋重力异 常数据、 相应海域的平均水深、 最大水深、 地壳和海水的密度差异数据作为输入数据， 构建 基于深度神经网络的海底地形反演模型； 通过所述海底地形反演模型， 提取输入数据中的海底地形相关特征， 反演相应海域的 海底地形。 2.根据权利要求1所述的方法， 其特征在于， 根据卫星测高数据， 获取大地水准面信息 和垂线偏差信息， 包括： 对卫星测高数据进行 预处理， 所述预处 理包括误差改正和滤除噪声数据； 将预处理后的卫星测高数据通过共线处理和交叉点平差处理， 得到大地水准面信 息和 垂线偏差信息 。 3.根据权利要求1所述的方法， 其特征在于， 在构建基于神经网络的海洋重力异常模型 的步骤之后， 还 包括： 将海洋重力异常测量数据、 观测海域的卫星测高数据， 以及所述大地水准面信息和垂 线偏差信息， 作为输入数据对所述海洋重力异常模型进行训练； 在前向传播过程中对损 失函数进行损 失计算， 通过反向传播进行参数学习， 通过多次 迭代优化 参数模型， 得到所述海洋重力异常模型的最优性能的权 重参数。 4.根据权利要求1所述的方法， 其特征在于， 在构建基于深度神经网络的海底地形反演 模型的步骤之后， 还 包括： 将所述海洋重力异常数据、 相应海域的平均水深h、 最大水深H、 地壳和海水的密度差异 数据△ρ 作为输入数据， 对所述海底地形反演模型进行训练； 提取相应的海底地形特征， 以及对卫星数据计算获得的海深数据与实际的般测海深数 据进行损失计算， 通过多次迭代优化参数模型， 得到海底地形反演模型 的最优性能的权重 参数。 5.根据权利要求4所述的方法， 其特征在于， 所述损 失计算， 通过卫星数据计算获得的 海深数据与实际的船测海深数据进行差值计算， 通过实际的船测海深数据对所述卫星 数据 计算获得的海深数据进行 校准。 6.根据权利要求1所述的方法， 其特征在于， 通过所述海底地形反演模型， 提取输入数 据中的海底地形相关特 征， 反演相应海域的海底地形， 包括： 将输入数据中的海洋重力异常数据划分为长波参 考场和短波残差场； 通过所述短波残差场与海深之间存在的线性关系反演水深数据， 通过所述水深数据获 取海底地形相关特 征， 反演相应海域的海底地形。 7.根据权利要求6所述的方法， 其特征在于， 通过所述短波残差场与海深之间存在的线 性关系反演水深数据， 包括： j1、 j2、…、 jn是海洋表面的船测水深探测点， 对应的船测海深数据用d1、 d2、…、 dn来表 示， d为参考海深， 取船测任务中最深点的测量数值， p'是探测点对应的海底 最深点， 其中重权　利　要　求　书 1/2 页 2 CN 114137624 A 2力异常数据和参 考海深数据为已知数据； 将重力异常数据分解为两个分量的公式表示， Δ g＝Δglong+Δgshort， 其中，△glong是由 底壳下层物质的质量产生的长波参考场， △gshort是由海底地形变化引起的短波残差场， 利 用jn点的水深数据计算短波残差场分量， 公式为 其中， π为圆周率， 取常数3.14159； G为引力常数， 取常数6.672*10‑8cm3/(g·s2)，△ρ 为海水和地壳之间的密 度差异常数。 8.一种基于卫星高度计反演海底地形的系统， 其特 征在于， 包括： 信息获取模块， 用于根据卫星测高数据， 获取 大地水准 面信息和垂线偏差信息； 海洋重力异常模型构建模块， 用于根据海洋重力异常测量数据、 观测海域的卫星测高 数据， 以及所述大地水准 面信息和垂线偏差信息， 构建基于神经网络的海洋重力异常模型； 海底地形反演模型构建模块， 用于通过所述海洋重力异常模型， 获取相应海域的海洋 重力异常数据； 将所述海洋重力异常数据、 相应海域的平均水深、 最大水深、 地壳和海水 的 密度差异数据作为输入数据， 构建基于深度神经网络的海底地形反演模型； 海底地形反演模块， 用于通过所述海底地形反演模型， 提取输入数据中的海底地形相 关特征， 反演相应海域的海底地形。 9.根据权利要求8所述的系统， 其特 征在于， 信息获取模块， 包括： 预处理子模块， 用于对卫星测高数据进行预处理， 所述预处理包括误差改正和滤除噪 声数据； 共线和平差处理子模块， 用于将预处理后的卫星测高数据通过共线处理和交叉点平差 处理， 得到大地水准 面信息和垂线偏差信息 。 10.根据权利要求8所述的系统， 其特 征在于， 海洋重力异常模型构建模块， 包括： 训练子模块， 将海洋重力异常测量数据、 观测海域的卫星测高数据， 以及所述大地水准 面信息和垂线偏差信息， 作为输入数据对所述海洋重力异常模型进行训练； 最优性能权重参数获取子模块， 在前向传播过程中对损 失函数进行损 失计算， 通过反 向传播进行参数学习， 通过多次迭代优化参数模型， 得到所述海洋重力异常模型 的最优性 能的权重参数。权　利　要　求　书 2/2 页 3 CN 114137624 A 3