[發明專利]利用聲傳播數據和無監督機器學習的海底沉積分類方法

有效

• 申請號: 202110381846.4
• 申請日: 2021-04-09
• 公開（公告）號: CN113221651B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 屈科
• 申請（專利權）人: 廣東海洋大學
• 主分類號: G06F18/2431
• 分類號: G06F18/2431;G06F18/214;G06N3/088;G06N20/00
• 代理公司: 重慶市信立達專利代理事務所(普通合伙) 50230
• 代理人: 包曉靜

1.一種利用聲傳播數據和無監督機器學習的海底沉積分類方法，其特征是：具體包括以下步驟：

步驟1：基于物理機制生成聲場分布值，將作業海域的環境波導參數和典型沉積分類的聲學參數輸入計算模型，從而輸出聲場分布值，具體方法為：將所述的環境波導參數和典型沉積分類的聲學參數輸入簡正波聲場計算程序KRAKENC中，計算水聽器接收到的聲壓分布，對應生成沉積物樣本共900組的聲場分布值；

步驟2：生成訓練數據集，在步驟1生成的900組聲場分布值的樣本基礎上，加入零均值高斯白噪聲，隨機生成1000組疊加，此時的樣本為900個沉積物樣本，1000組白噪聲，共生成900000組聲場分布樣本值；

步驟3：非監督機器學習分類，利用自組織競爭型神經網絡對步驟2中的聲場分布樣本值進行訓練，生成神經網絡拓撲結構，以獲得不同沉積類型神經元；

步驟4：獲取最匹配神經元，求解聲場分布的實測值與輸出層的神經元間的Euclidean距離，將距離最小的輸出層神經元確定為最匹配神經元，而最匹配神經元對應的沉積類型值即為對應的分類結果；

步驟3中所述的神經網絡拓撲結構的輸入層中將聲壓分布值、沉積厚度、沉積種類為一組向量X_n，共900000組向量，且所述神經網絡拓撲結構的輸出層設置為1000000個神經元。

2.根據權利要求1所述的一種利用聲傳播數據和無監督機器學習的海底沉積分類方法，其特征是：步驟1中所述的作業海域的環境波導參數為聲傳播所需要的除海底參數外的所有參數，且所述環境波導參數包括聲速剖面、聲源頻率、源級、聲源深度、傳播距離和接收陣列的深度。

3.根據權利要求1所述的一種利用聲傳播數據和無監督機器學習的海底沉積分類方法，其特征是：步驟1中所述的典型沉積分類的聲學參數采用經典的Hamilton分類標準，且所述的典型沉積分類的聲學參數包括9種沉積物的密度、聲速和吸收系數。

4.根據權利要求1所述的一種利用聲傳播數據和無監督機器學習的海底沉積分類方法，其特征是：步驟4中聲場分布的實測值存在多組現場聲場分布實測數據時，通過計算對應的分類結果的比例，即為當前沉積對應類型沉積類型的概率。