基于遗传BP神经网络的海底沉积物声速预报

在海底沉积物声速预报中,针对传统经验公式存在预测精度差、适用范围窄、缺乏物理意义等问题,在已有BP神经网络预测的基础上,运用遗传算法优化其初始权值和阈值的方法,构建出基于含水量、孔隙度的声速预报模型。将南沙海域采集得到的海底沉积物样品分为两部分,抽取120组涵盖陆架、陆坡、海槽等地貌单元的样品作为训练数据,另外剩余6组作为测试数据。经试验对比后发现,在对本区域进行声速预报时,宜采用遗传算法优化的BP神经网络,其要优于传统的单参数、双参数回归拟合预报方法和国内外其他学者所得到的经验公式。此种预报方法具有一定的科学依据和广泛的应用前景,可在今后为建立明确、统一的声速预报模型提供参考。

人工神经网络技术在海底沉积物声速预报中的应用

海底沉积物物理力学若干项参数与其声学性质存在着一定的关系。用回归拟合方法获得海底沉积物声速预报方程存在不足,难以获得3参数以上的声速预报方程。采用人工神经网络智能方法,建立了多参数声速预报神经网络模型。研究表明:2参数神经网络模型的预报误差比相应的2参数回归模型小,3参数神经网络模型的预测精度要高于2参数神经网络模型。为海底沉积物的声速预报提供了一条新途径。

改进型经验正交函数海洋声速剖面预报方法

鉴于深海温跃层以下往往声速值缺乏,声速剖面不完整的原因,提出一种声速剖面的预报方法:在传统经验正交函数预报法基础上,首先改进协方差矩阵的求解方法,将原始数据的空间信息和时间信息有效地融合到协方差矩阵中,通过由大量实测数据统计得出的时间函数的经验公式,得到合成剖面,将二者结合,把不完整剖面垂直向下延拓到海底,较为有效地解决了传统方法求解协方差矩阵和时间函数较粗糙的问题,给出了完整的海洋声速剖面的准确预报。实测数据检验结果表明,改进方法的预报精度比传统方法有了很大提高。

海洋声速场的经验正交函数描述及声速剖面预报

针对位于东海外缘台湾东北部冲绳海槽张裂带以西的深海海域声速场的统计资料,分析利用少于5号经验正交函数描述声速场,探索利用经验正交函数、海表和温跃层水温对海水声速剖面进行预报的方法.研究结果对于声速场数据库的建设、海洋声速场的预报和水下声层析技术具有重要的意义.

远海多波束水深测量中声速剖面获取方法研究

声速剖面正确与否直接影响多波束测深系统测量结果的精度和可靠性,为了获得准确可靠的多波束测深数据,必须努力获取正确的声速剖面数据,来对测深数据进行声速校正。为进一步解决如何高效、准确地获取深远海声速剖面问题,在介绍几种声速剖面获取方法及特点基础上,重点对比了几种方法在远海多波束水深测量中获取的声速剖面数据,并给出了声剖数据的质量检查方法和声剖获取的一般要求,可为同类测量工作提供参考。