基于亥姆霍兹分解及深度学习的复合涡识别模型构建方法

本发明公开一种基于亥姆霍兹分解及深度学习的复合涡识别模型构建方法，其包括以下步骤：获取海水东西方向流速U和南北方向流速V数据，构建速度矢量场图像；对速度矢量场图像进行亥姆霍兹分解得到有势场Fd图像和有旋场Fc图像；根据有旋场Fc中的势函数和UV数据标注单涡气旋涡、单涡反气旋涡、复合涡气旋涡和复合涡反气旋涡，并将标注前后的有旋场图像作为深度学习数据集；对所述深度学习数据集使用神经网络进行训练得到复合涡识别模型。本发明运用亥姆霍兹分解方法对卫星高度计的衍生数据进行处理，提高复合涡的识别准确率，并且采用深度学习方法，提升对复合涡的识别效率，最终实现模型在全海域上的应用。