本發(fā)明屬于海洋信息處理，具體涉及基于多層感知器的海底沉積物參數(shù)反演方法。

背景技術(shù)：

1、聲波在海洋中能夠遠(yuǎn)距離傳輸，海洋聲場(chǎng)計(jì)算能夠應(yīng)用于海洋科學(xué)研究、信息傳輸、海洋工程建設(shè)領(lǐng)域，海底是海洋聲場(chǎng)的重要邊界，海底對(duì)海洋聲場(chǎng)傳播具有重要的影響，因此了解海底沉積層參數(shù)對(duì)于研究海洋聲場(chǎng)的傳播至關(guān)重要。傳統(tǒng)的沉積物參數(shù)獲取方式是進(jìn)行原位測(cè)量和進(jìn)行沉積物取樣，隨著聲吶技術(shù)的發(fā)展，人們發(fā)現(xiàn)海洋混響攜帶了大量的海底信息，利用沉積物聲散射進(jìn)行沉積物參數(shù)的間接測(cè)量逐漸發(fā)展起來。傳統(tǒng)的沉積物參數(shù)測(cè)量方法存在以下缺點(diǎn)：

2、(1)取樣測(cè)量擾動(dòng)：海底沉積物地聲參數(shù)取樣測(cè)量一般采用取樣設(shè)備獲取一定長(zhǎng)度的海底沉積物樣本，之后轉(zhuǎn)移到實(shí)驗(yàn)室進(jìn)行測(cè)量，但是由于沉積物多為多孔結(jié)構(gòu)，在取樣、運(yùn)輸及測(cè)試的過程中，難以避免對(duì)沉積物內(nèi)部結(jié)構(gòu)的擾動(dòng)影響測(cè)量結(jié)果。

3、(2)人力物力耗費(fèi)大：進(jìn)行取樣測(cè)量需要在目標(biāo)海區(qū)進(jìn)行現(xiàn)場(chǎng)試驗(yàn)，雖然大部分取樣設(shè)備操作簡(jiǎn)單，但是取樣過程對(duì)人力物力耗費(fèi)較大。

4、(3)難以大范圍測(cè)量：海底環(huán)境變化大，無論是取樣測(cè)量還是原位測(cè)量只能針對(duì)較小范圍的海底進(jìn)行沉積物參數(shù)分析，無法進(jìn)行較大聲場(chǎng)的獲取。

5、(4)泛化能力不足：傳統(tǒng)的沉積物參數(shù)反演算法的泛化能力弱，難以針對(duì)復(fù)雜海底和多層海底情況進(jìn)行反演。

技術(shù)實(shí)現(xiàn)思路

1、為了彌補(bǔ)現(xiàn)有技術(shù)的不足，本發(fā)明目的在于提供基于多層感知器的海底沉積物參數(shù)反演方法，以解決傳統(tǒng)的沉積物參數(shù)測(cè)量方法中存在的問題。

2、所述的基于多層感知器的海底沉積物參數(shù)反演方法，所述方法包括以下步驟：

3、s1.建立近似流體密度模型計(jì)算沉積物聲衰減系數(shù)和聲速；

4、s2.通過小斜率近似和流體微擾近似計(jì)算海底粗糙度散射和體積散射建立后向散射正演模型，得到后向散射強(qiáng)度；

5、s3.根據(jù)后向散射強(qiáng)度對(duì)沉積物的地聲參數(shù)與物性參數(shù)進(jìn)行反演，得到十個(gè)待反演沉積物物性參數(shù)，分別為：平均顆粒粒度φ、分?jǐn)?shù)孔隙度β、顆粒與孔隙水質(zhì)量密度比ρr、孔隙水體積彈性模量比kr、粗糙度譜指數(shù)γ2、粗糙度譜強(qiáng)度ω2、體積譜指數(shù)γ3、體積譜強(qiáng)度ω3、相關(guān)長(zhǎng)度lc、壓縮率起伏比μ，得到后向散射強(qiáng)度數(shù)據(jù)；

6、s4.基于后向散射正演模型建立多層感知器神經(jīng)網(wǎng)絡(luò)反演模型；

7、s5.將獲取的后向散射數(shù)據(jù)作為輸入層，使用建立好的多層感知器神經(jīng)網(wǎng)絡(luò)反演模型反演實(shí)驗(yàn)區(qū)域的沉積層參數(shù)。

8、進(jìn)一步地，所述步驟s1中，近似流體理論是通過對(duì)biot理論的參數(shù)進(jìn)行簡(jiǎn)化，得到等效流體模量keff：

9、

10、其中，kg，kf和kw分別為沉積物的體積模量，固體骨架的體積模量和孔隙水的體積模量，β為孔隙度，將該模量通過biot理論波動(dòng)方程求解，得到等效密度ρeff表達(dá)式為：

11、

12、縱波速度c1的表達(dá)式為：

13、

14、則縱波復(fù)波數(shù)k1為：

15、

16、實(shí)參數(shù)為能量損失參數(shù)，利用能量損失參數(shù)可以計(jì)算出聲衰減系數(shù)α，

17、

18、聲衰減系數(shù)以db/m為單位，其中vp為沉積物聲速與海水聲速比，cw為海水中聲速。

19、進(jìn)一步地，所述步驟s2中，根據(jù)jackson后向散射模型，以db/m為單位的后向散射強(qiáng)度計(jì)算如下式：

20、sb(θ)＝10lgσ

21、將后向散射分為海底表面起伏造成的粗糙度散射和體積散射兩部分，即粗糙度散射截面σr與體積散射截面σv，故后向散射公式可寫為：

22、sb(θ)＝10lg(σr+σv)

23、小粗糙度微擾近似的散射截面表達(dá)式：

24、

25、kirchhoff近似中散射截面的表達(dá)式為：

26、

27、小斜率近似的散射截面為：

28、

29、其中，

30、

31、ω為角頻率，c為海水中聲速，ω＝2πf；

32、aww＝1/2[1+vww(θi)][1+vww(θs)]g

33、

34、其中，vp為聲速比，δp為能量衰減系數(shù)；

35、

36、ap為復(fù)速度比，計(jì)算方法為

37、其中，ik求解為：

38、

39、此外，vww可以通過下式求解

40、

41、其中，θp為透射掠射角，通過snell定律可以得出：

42、

43、進(jìn)一步地，所述步驟s3中，由于體積散射與聲波入射深度相關(guān)，等效界面雙基體積散射散射截面計(jì)算如下：

44、

45、其中，通過微擾近似流體模型可以得到σv為沉積物體積散射截面：

46、

47、該公式中隱含了密度及壓縮率相關(guān)系數(shù)為-1的條件，而δkp為bragg波矢量的模值，稱之為bragg波數(shù)，因此對(duì)于反向散射可以得到：

48、δkp＝2kw[cos2θi+{re[p(θi)]}2]1/2

49、在散射模型中常用的一種譜形式如下：

50、

51、這里，κ則定義為：

52、

53、上式中，γ3和ω3分別是體積譜指數(shù)和體積譜強(qiáng)度，用于表征沉積物的非均勻性；μ用來表征海底沉積物密度擾動(dòng)的壓縮率起伏比，lc為相關(guān)長(zhǎng)度，r2為粗糙度譜指數(shù)，ω2為粗糙度譜強(qiáng)度。

54、進(jìn)一步地，所述反演參數(shù)包括孔隙度β、平均顆粒粒度φ、顆粒與孔隙水質(zhì)量密度比ρr以及顆粒與孔隙水體積彈性模量比kr，具體如下：

55、孔隙水特性：biot理論中與孔隙水特性有關(guān)的參數(shù)包括孔隙水質(zhì)量密度ρw、孔隙水體積彈性模量kw和孔隙水動(dòng)態(tài)粘滯度η，通常近似認(rèn)為孔隙水特性與上覆海水特性相同，而海水的參數(shù)是易于測(cè)量的；

56、滲透率：根據(jù)下式給出了滲透率κ和孔隙度β與平均顆粒直徑d的關(guān)系為：

57、

58、其中，系數(shù)k對(duì)于球形顆粒取5，平均顆粒直徑的單位為m，與平均顆粒粒度φ的關(guān)系為：

59、φ＝-log2(1000d)

60、該公式適用于疏松的、分選好的、具有球形顆粒的沉積物，因此和實(shí)際測(cè)量值相比結(jié)果更高，采用作為修正因子；

61、孔隙大小參數(shù)：根據(jù)水力半徑得到了均勻球形顆粒的孔隙大小參數(shù)a、孔隙度β與平均顆粒直徑d的關(guān)系：

62、

63、孔隙大小參數(shù)與滲透率的關(guān)系：

64、

65、彎曲率：彎曲率α是沉積物的一個(gè)結(jié)構(gòu)常數(shù)，這里采用與φ有關(guān)的關(guān)系式：

66、

67、沉積物顆粒特性：biot理論中與沉積物顆粒特性有關(guān)的參數(shù)包括顆粒質(zhì)量密度ρg和顆粒體積彈性模量kg，將待反演參數(shù)選為顆粒與孔隙水質(zhì)量密度比ρr和顆粒與孔隙水體積彈性模量比kr。

68、進(jìn)一步地，所述步驟s4中多層感知器神經(jīng)網(wǎng)絡(luò)具體如下：

69、輸入特征個(gè)數(shù)為n，輸出特征個(gè)數(shù)為m，多個(gè)隱含層，隱含層神經(jīng)元個(gè)數(shù)不固定，以為標(biāo)準(zhǔn)左右調(diào)整；輸入?yún)?shù)為和掠射角相關(guān)的后向散射強(qiáng)度數(shù)據(jù)，數(shù)據(jù)范圍為1°-90°，步長(zhǎng)為1，n＝90，輸出數(shù)據(jù)為沉積層參數(shù)，直接反演參數(shù)共10個(gè)，m＝10，將數(shù)據(jù)按照9：1的比例分為訓(xùn)練集和測(cè)試集；

70、單隱含層情況下：

71、yi＝f(w·x+b)

72、其中，w為權(quán)重，b為偏置，f為激活函數(shù)，引入激活函數(shù)可以導(dǎo)入非線性。激活函數(shù)選用relu函數(shù)，如下式：

73、f(x)＝max(0,x)

74、多隱含層情況與單隱含層相似，僅w、b不同，在此采用五個(gè)隱含層，隱含層神經(jīng)元個(gè)數(shù)分別為70、50、30、25、20，通過網(wǎng)絡(luò)訓(xùn)練參數(shù)調(diào)整權(quán)重和偏置，輸入值通過網(wǎng)絡(luò)前向傳播，通過隱含層到輸出層，得到神經(jīng)網(wǎng)絡(luò)的反演結(jié)果，模型結(jié)果通過均方根誤差(rmse)進(jìn)行評(píng)估

75、

76、其中，j為樣本數(shù)量，yi為實(shí)際值，為反演值，通過測(cè)試集計(jì)算反演結(jié)果均方根誤差，計(jì)算誤差反向傳播回網(wǎng)絡(luò)調(diào)整權(quán)重和偏置，訓(xùn)練方法使用貝葉斯正則化，貝葉斯正則化通過引入先驗(yàn)分布對(duì)網(wǎng)絡(luò)權(quán)重的約束，在訓(xùn)練過程中分布參數(shù)的學(xué)習(xí)。

77、進(jìn)一步地，所述步驟s5中，將十個(gè)物性參數(shù)劃為一組，隨機(jī)取若干組作為待反演參數(shù)并計(jì)算每一組對(duì)應(yīng)的后向散射強(qiáng)度，得到對(duì)應(yīng)的數(shù)據(jù)集，按照9:1劃分為訓(xùn)練集和驗(yàn)證集，將計(jì)算的后向散射強(qiáng)度數(shù)據(jù)作為多層感知器神經(jīng)網(wǎng)絡(luò)的輸入值xi，待反演參數(shù)作為輸出，數(shù)據(jù)集中待反演參數(shù)為yi，多層感知器神經(jīng)網(wǎng)絡(luò)中反演出的參數(shù)為其中海水聲速設(shè)定為1500m/s，學(xué)習(xí)率設(shè)為0.01，設(shè)定最大訓(xùn)練輪次為1000輪、以及訓(xùn)練停止標(biāo)準(zhǔn)為均方根誤差10-1，保證模型在達(dá)到預(yù)期精度的同時(shí)，避免過度訓(xùn)練，并且能夠在合理的計(jì)算時(shí)間內(nèi)完成訓(xùn)練。

78、與現(xiàn)有技術(shù)相比，本發(fā)明有以下優(yōu)點(diǎn)：

79、(1)本技術(shù)通過構(gòu)建沉積物傳播模型解決了傳統(tǒng)測(cè)量的擾動(dòng)以及難以大范圍測(cè)量的問題，利用沉積物傳播理論模型進(jìn)行仿真，獲取大量沉積物聲傳播理論數(shù)據(jù)，用于訓(xùn)練參數(shù)反演模型。

80、(2)本技術(shù)將多層感知器神經(jīng)網(wǎng)絡(luò)應(yīng)用在沉積物參數(shù)反演模型中，利用其復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)和多個(gè)神經(jīng)元來模擬復(fù)雜函數(shù)，解決強(qiáng)非線性問題，提高反演效率與質(zhì)量；并在訓(xùn)練時(shí)采用貝葉斯正則化策略，通過引入先驗(yàn)分布對(duì)網(wǎng)絡(luò)權(quán)重的約束，在訓(xùn)練過程中分布參數(shù)的學(xué)習(xí)，提高模型泛化能力，無法適應(yīng)新樣本的問題，可以有效防止過擬合現(xiàn)象。