摘要：文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型,并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布,在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据,得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置,以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Arrayfor Real-time Geostrophic Oceanography,ARGO)数据进行测试,并且以质量因子(Quality Index,QI)值作为判断识别混合层深度结果准确性的依据,发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。