海水的声速剖面对水声信号的传播起决定作用,由于声速剖面随海水的动态变化而变化,及时准确的获取海水的声速剖面,对海洋的环境探测和监测、海洋水性的评价、海底资源的开采以及潜艇的定位、海底战力的部署等都有重要的意义。总之,声速剖面是水声学研究的重点之一。本文对海区声速剖面反演方法进行研究,分析了仅依据历史数据声速剖面反演方法的局限性。在已有的研究基础上,提出了一种基于RBF神经网络的声速剖面反演方法。该方法利用RBF神经网络算法的拟合性和局部响应特性映射海区表面温度、历史数据、海区稳定特征与实际声速剖面之间的非线性复杂关系。针对RBF神经网络学习算法中隐含层中心、宽度和输出权值确定的相互独立,同时容易陷入局部极小的缺点,采用遗传算法来优化RBF神经网络的三个参数,将这三个待确定参数作为一个整体统一编码,加强了 RBF隐含层和输出层的合作关系,得到全局最优参数的网络模型。针对遗传算法自身的缺陷,对遗传算法的交叉、变异和后代的产生进行了改进,保证了遗传算法的全局寻优能力。本文以我国南海某区域2006-2017年的Argo观测数据对模型进行仿真验证,对该海区声速剖面变化规律进行了分析和研究,获得了该区域内海水声速剖面呈稳定规律变化的特征,而实测数据表明海区声速剖面在此稳定特征上下波动。在此基础上,利用本文提出的GA-RBF反演方法,并结合海区表面实测温度和历史数据对模型进行仿真研究。以均方根误差值为评价指标,以该区域2016、2017年6月和12月数据进行测试,将本文方法与其他方法进行对比,得到本文方法的两年平均均方根误差值是AVG方法的26.93%,EOF方法的50%,BP方法的63.30%,未优化RBF方法的66.34%。仿真结果表明:基于GA-RBF网络模型并利用海区表面实测温度的反演结果更趋近实测声速剖面,该模型可用于海区垂直声速剖面的反演。利用RBF神经网络的拟合能力,学习能力,对非线性函数逼近能力,提高声速剖面实时反演的精度和适用范围。最后,本文以LabVIEW开发软件为平台,以SQL Server 2012数据库为依托,采用模块化设计思想,设计开发了可视化的声速剖面反演软件。软件界面友好、操作便捷,易于用户学习和使用,便于升级和维护。该软件的开发可作为水声信号处理的基础研究工具,所得到的反演数据可作为水声信号处理算法模型的输入参数,具有十分重要的工程应用价值。