摘要：文章提出了一種識別混合層深度的人工智能方法。該方法在溫度(密度)與壓強(或深度)間建立線性模型,并且將其系數(shù)和方差做成一組表征廓線特征的統(tǒng)計量。初始時為模型設定一個主觀的先驗分布,在一個自海表向下移動的窗口內(nèi)通過貝葉斯鏈式法則和最小描述長度原理學習新數(shù)據(jù),得到系數(shù)均值的最大后驗概率估計。用F-檢驗識別系數(shù)發(fā)生突變的位置,以此確定混合層的存在性及其深度。通過2017年2月太平洋海域的地轉(zhuǎn)海洋學實時觀測陣(Arrayfor Real-time Geostrophic Oceanography,ARGO)數(shù)據(jù)進行測試,并且以質(zhì)量因子(Quality Index,QI)值作為判斷識別混合層深度結(jié)果準確性的依據(jù),發(fā)現(xiàn)該方法相比于梯度法、閾值法、混合法、相對變化法、最大角度法和最優(yōu)線性插值法在識別結(jié)果上具備更大的QI值。表明該方法能夠準確識別混合層深度。