基于物理机理与数据联合驱动的水下低频声传播场预测方法

本发明公开了一种基于物理机理与数据联合驱动的水下低频声传播场预测方法，通过使用公开的地形数据库中的地形数据，选取包含复杂地形的区域自适应生成若干一维地形数据。使用建立的变分自编码神经网络模型(VAE)对这些数据进行训练，提取经编码器得到的地形特征参数。再使用搭建的卷积神经网络模型(CNN)，将地形特征参数与声源深度作为输入，得到模态间耦合系数，最后结合预存的模态函数与波数数据，完成水下声传播场的预测。本发明提升了模型对罕见地形的适应能力，不会使数据的微小扰动引起地形特征的阶跃式变化，能帮助声传播模型在面对介于训练数据之间的新地形时，给出稳定的预测。