Sonar performance prediction models require environmental inputs, including bottom depth and composition, sound-speed profile (SSP), and wave or wind conditions. Temporal and spatial variation and measurement uncertainties in environmental inputs result in uncertain model outputs. Ideally, acoustic fluctuations could be predicted from input parameter variability using a suitable modeling framework. A data set consisting of 460 SSPs and acoustic transmission loss (TL) measurements between 300 and 900 Hz was acquired during GLISTEN15, a 2015 Mediterranean Sea trial led by North Atlantic Treaty Organization's Centre for Maritime Research and Experimentation. The TL was measured in 5-min sampling periods at fixed source-to-receiver ranges of 0.5–10 km over two separate days. A gradual change in TL as large as 15 dB over 5 min was observed at some receivers and frequencies. Predicted TL variability was compared to measured TL variability by using the SSPs as inputs to an acoustic propagation model. Purely stochastic modeling either over- or underpredicted variability, depending on the temporal and spatial separation of the SSPs used as inputs. In this article, an internal wave model derived from the SSP time series was used to demonstrate the possible effect of internal waves propagating perpendicular to the source–receiver direction. The best agreement between modeled and measured variability was obtained for internal waves of 1536-s period and 0.8–1.6-m amplitude. In this way, an approach that included a physically plausible model of internal wave dynamics grounded in a few relevant in situ measurements provided good predictions of observed TL variability and a reasonable explanation of its origin.

中文翻译：

---

预测声学可变性：选择随机或确定性方法的实用考虑

声纳性能预测模型需要环境输入，包括底部深度和成分、声速剖面 (SSP) 以及波浪或风况。环境输入的时空变化和测量不确定性导致不确定的模型输出。理想情况下，可以使用合适的建模框架从输入参数可变性中预测声学波动。GLISTEN15 是由北大西洋公约组织海事研究和实验中心领导的 2015 年地中海试验，在 GLISTEN15 期间获得了由 460 个 SSP 和 300 到 900 Hz 之间的声学​​传输损耗 (TL) 测量值组成的数据集。TL 是在 5 分钟采样周期内在 0.5-10 公里的固定源到接收器范围内在两天内测量的。在某些接收器和频率上观察到 5 分钟内 TL 的逐渐变化高达 15 dB。通过使用 SSP 作为声传播模型的输入，将预测的 TL 变异性与测量的 TL 变异性进行比较。根据用作输入的 SSP 的时间和空间分离，纯随机建模要么高估要么低估可变性。在本文中，从 SSP 时间序列导出的内波模型用于演示垂直于源 - 接收器方向传播的内波可能产生的影响。对于周期为 1536 秒和振幅为 0.8-1.6 米的内波，获得了模拟和测量变异性之间的最佳一致性。通过这种方式，一种方法包括基于一些相关的内部波动力学的物理上合理的模型 通过使用 SSP 作为声传播模型的输入，将预测的 TL 变异性与测量的 TL 变异性进行比较。根据用作输入的 SSP 的时间和空间分离，纯随机建模要么高估要么低估可变性。在本文中，从 SSP 时间序列导出的内波模型用于演示垂直于源 - 接收器方向传播的内波可能产生的影响。对于周期为 1536 秒和振幅为 0.8-1.6 米的内波，获得了模拟和测量变异性之间的最佳一致性。通过这种方式，一种方法包括基于一些相关的内部波动力学的物理上合理的模型 通过使用 SSP 作为声传播模型的输入，将预测的 TL 变异性与测量的 TL 变异性进行比较。根据用作输入的 SSP 的时间和空间分离，纯随机建模要么高估要么低估可变性。在本文中，从 SSP 时间序列导出的内波模型用于演示垂直于源 - 接收器方向传播的内波可能产生的影响。对于周期为 1536 秒和振幅为 0.8-1.6 米的内波，获得了模拟和测量变异性之间的最佳一致性。通过这种方式，一种方法包括基于一些相关的内部波动力学的物理上合理的模型 根据用作输入的 SSP 的时间和空间分离，纯随机建模要么高估要么低估可变性。在本文中，从 SSP 时间序列导出的内波模型用于演示垂直于源 - 接收器方向传播的内波可能产生的影响。对于周期为 1536 秒和振幅为 0.8-1.6 米的内波，获得了模拟和测量变异性之间的最佳一致性。通过这种方式，一种方法包括基于一些相关的内部波动力学的物理上合理的模型 根据用作输入的 SSP 的时间和空间分离，纯随机建模要么高估要么低估可变性。在本文中，从 SSP 时间序列导出的内波模型用于演示垂直于源 - 接收器方向传播的内波可能产生的影响。对于周期为 1536 秒和振幅为 0.8-1.6 米的内波，获得了模拟和测量变异性之间的最佳一致性。通过这种方式，一种方法包括基于一些相关的内部波动力学的物理上合理的模型 来自 SSP 时间序列的内波模型用于演示垂直于源 - 接收器方向传播的内波可能产生的影响。对于周期为 1536 秒和振幅为 0.8-1.6 米的内波，获得了模拟和测量变异性之间的最佳一致性。通过这种方式，一种方法包括基于一些相关的内部波动力学的物理上合理的模型 来自 SSP 时间序列的内波模型用于演示垂直于源 - 接收器方向传播的内波可能产生的影响。对于周期为 1536 秒和振幅为 0.8-1.6 米的内波，获得了模拟和测量变异性之间的最佳一致性。通过这种方式，一种方法包括基于一些相关的内部波动力学的物理上合理的模型原位测量提供了对观察到的 TL 变异性的良好预测及其起源的合理解释。