海底双相随机介质声反射的SVM神经网络分类识别研究

考虑海底沉积介质为双相介质,为了更好地模拟实际海底底质的不均匀性,将随机介质理论引入双相介质理论。首先,通过基于随机-双相介质理论的高阶有限差分数值技术模拟计算海底底质分别为泥质砂、泥、泥质砾时的地震反射波信号。然后利用小波变换分别求取不同底质的一次反射波的包络作为其特征向量,最后利用基于粒子群智能算法优化的支持向量机神经网络对这些反射波信号进行分类识别。为了进一步考察所用方法的抗噪能力,对正演得到的海底底质反射波信号分别加入10%、30%、50%的高斯白噪音之后再进行分类,支持向量机仍然取得了较好的分类预测效果。基于上述正演模拟及分类识别方法的论证,提出了一套行之有效的微机软件模拟海底沉积物分类识别的一般化流程,这将有利于开展海底沉积物反射特征的进一步研究。

区间B样条小波有限元GPR模拟双相随机混凝土介质

基于可分离小波理论,由一维区间B样条小波尺度函数的张量积构造二维B样条小波基,并将它作为GPR波动方程求解的插值函数,通过引入转换矩阵,实现小波系数空间与雷达电磁场之间的转换.应用Galerkin算法,推导了二维区间B样条小波有限元GPR波动方程离散格式,求出了2阶1尺度与2阶2尺度BSWI尺度函数的积分值及联系系数,给出了该算法的详细求解过程.编制了BSWI的Matlab模拟程序,应用该程序对两个典型实例进行了正演,结果表明:BSWI能采用较少的单元达到与FEM相似的精度,而BSWI算法尺度提升能提高解的精度,但耗时会急剧增加.最后,将BSWI算法应用于双相随机混凝土模型,说明随机介质模型理论能灵活、有效地描述实际混凝土介质的分布,正演剖面与实测剖面特征更相符,能更真实地模拟雷达波的传播过程,可为提高GPR的探测效果和解释准确性提供理论基础.

随机双相介质宏观弹性模量的边界元法预报

确定多相体材料的宏观性能与其细观组织之间的关系是当今计算结构力学的一个重要课题。本文采用高效率的二次等参边界元及子域法求解了随机双相介质的宏观弹性模量。计算结果与若干常见的解析公式进行了比较,为评价这些解析公式的可靠性提供了一定的依据。可以看出:边界元法在复合材料的计算力学中具有很大的潜力。

基于模糊C均值聚类-支持向量机的海底沉积物分类识别

在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。