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。     

基于多维度声学特征优选的多波束海底底质分类

海底表层底质分布信息的准确获取在构建海洋基础地理数据库中发挥着重要作用。目前,多波束是实现大范围海底底质分类的有效手段之一,基于多波束测深和反向散射强度数据所派生的声学特征被广泛应用于底质分类建模。然而,随着特征维度的增加,特征空间中存在的无关和冗余特征严重影响底质分类精度。为了定量评估声学特征对底质类别的表征能力,并消除无效特征对分类结果的干扰,本文提出了基于多维度声学特征优选的海底底质分类方法。首先,结合实际底质样本的物理属性对多维特征进行排序和优选,排除冗余和无关特征。其次,分别应用支持向量机、随机森林和深度信念网络构建海底底质监督分类模型。通过利用爱尔兰海南部多波束调查数据和实地取样信息进行试验,结果表明提出方法对海底底质的总体分类精度和Kappa系数分别最高达到了86.20%和0.834,相较于主成分分析和熵指标特征选择方法有明显提高,突出了该方法在海底底质探测及制图的应用潜力。     

基于SVM的海底声纳图像底质识别*

对海底底质声纳图像分割,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,优化支持向量机(SVM)参数.利用多分类 SVM 对砂、礁石、泥进行训练,有效、快速地分离出了3种底质类型,测试精度高于80%,表明该方法可有效用于海底底质声纳图像的识别和分类.     

海底沉积物声学特征定量分析及其智能分类研究

海底底质特性描述及分类是当今浅海声学的研究热点,海底沉积物的物理结构特性与其声学响应特征密切相关。在分析海底沉积物声传播特性的基础上,应用现代计算机信号分析技术手段,对海底沉积物声学响应波形提取了4个特征参数:声速、波幅指数、波形关联维分形指数和声波频谱的频率矩。以这4个特征参数作为输入向量,海底沉积物的结构类型作为输出向量,建立径向基概率神经网络模型。研究表明建立的神经网络模型具有较强的海底沉积物分类预报能力。     

基于粒子群优化算法的PSO-BP海底声学底质分类方法

利用粒子群优化算法（PSO）较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别。实验表明,3类底质分类精度均大于90%,高于BP神经网络70%左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别。     

沉积物中天然气水合物超声检测技术

海洋天然气水合物主要分布在海底沉积物的孔隙中.而海底沉积物可以看作是一种紧密的湿颗粒双相多孔介质.基于双相多孔介质理论,分析和研究在孔隙中天然气水合物发生相变过程引起的多孔介质物性的变化而导致的声波传播的改变,可以找出其中的变化规律,对于研究沉积物中的天然气水合物具有重要的理论意义和实际价值.     

基于多波束背向散射数据的海底底质分类

基于精细处理后的多波束数据生成背向散射影像图,利用灰度纹理共生阵提取影像纹理特征参数,采用支持向量机的神经网络(SVM)对背向散射影像进行底质分类研究。通过实测大面积、海量数据对该方法进行评价和验证,结果表明,该方法可获得比传统分类方法更高的分类精度,这种面状的分类弥补了传统点状分类的缺陷,使得大规模、大范围、高效快速的海底底质分类成为可能,为海洋地质调查、海洋工程建设、海底矿产资源开发等提供一种新型的科学的技术方法和可靠的地质基础资料。     

基于WOA-LSSVM的海底沉积物物性参数建模

电阻率测量是海底沉积物工程地质勘察的主要原位观测方法之一,作为一种间接测量方法,需要建立沉积物物性参数与沉积物电阻率的回归模型。为提高建模精度,本文提出了一种基于鲸鱼算法优化的最小二乘支持向量机(Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM)的海底沉积物物性参数与电阻率回归建模方法。该方法建立了海底沉积物电阻率与沉积物4种基本物性参数(含水率、密度、孔隙比、塑性指数)的单输入、单输出最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)回归模型,利用WOA算法对LSSVM参数进行寻优取值。对比研究了WOA算法、遗传算法(Genetic Algorithm,GA)、粒子群(Particle Swarm Optimization,PSO)算法优化的LSSVM建模结果,结果表明,基于WOA-LSSVM建立的海底沉积物物性参数与电阻率的回归模型具有更好的预测效果,均方根误差降低1.1%～14.9%,平均绝对百分比误差降低0.4%～19.9%。     

基于多波束背向散射强度信号的海底表层沉积物粒度分类研究——以澳洲Joseph Bonaparte湾为例

近海海底地形探测与沉积物精确分类对涉海工程建设、生物栖息地反演以及海底资源勘查与开发具有重要的现实意义。以澳洲Joseph Bonaparte湾为例，利用多波束测深技术获取了该海湾约880 km2水域的水深数据与背向散射强度信号，结合同步采集的54个海底表层沉积物样品，通过随机决策树模型对该海域海底表层沉积物进行了分类研究。结果表明:（1）利用随机决策树模型分析该海域沉积物类型与背向散射强度的关系时，当模型内部参数设置:树的总数为200，最小分裂节点为2，每棵树的最大分裂级数为5时，可提高预测准确率；（2）该参数设置下，利用13°和37°入射角的背向散射强度预测该海域沉积物类型时，准确率最高，其值为83.3%，且在研究海域，砂质砾和砾质砂分布在背向散射强度较强的深槽或海沟等地区，而砾质泥质砂和含砾泥质砂主要分布在背向散射强度较弱的浅水海域。分析还发现，当水深数据作为预测海底表层沉积物类型的特征变量时，有可能降低最终预测结果的准确率。     

基于浅剖数据的海底底质分类研究与应用

海底浅部沉积物声学研究是海洋地质、水下工程地质、海底矿产资源、军事地质等领域重要的研究内容,海底底质的识别与分类是海洋科学研究的热点问题。相比多波束探测仪,浅地层剖面仪的声源发射频率更低,具有穿透底质能力强的特点,这一特性更有利于进行准确和可靠的海底底质分类。通过浅剖数据进行底质分类技术研究,有望实现目标研究区面向全海域的海底底质分类推广应用。本文在浅剖数据振幅校正处理的基础上,消除了不同采集时间及采集参数对浅剖数据振幅一致性的影响,在层位约束下提取均方根振幅属性,进行研究区海底底质类型识别。初步的取样结果表明：研究区有2类不同的底质类型,分别为黏土和粉砂质黏土。本文对浅剖数据的底质分类结果分区明显且自然,在不同类型底质区的取样处对应不同的均方根振幅强度,黏土取样区的浅剖振幅属性为强振幅,粉砂质黏土取样区的浅剖振幅属性为弱振幅,底质分类结果与地质取样匹配良好。利用本文的浅剖处理与属性提取方法能够有效地实现海洋底质分类。     

基于GA-BP神经网络的临洪河口湿地土地覆盖分类算法研究

针对传统分类方法易受到"同物异谱"和"同谱异物"影响，致使河口湿地覆盖分类精度较低的问题，提出一种基于遗传算法优化BP神经网络分类算法。以江苏省临洪河口湿地为研究区，选用哨兵Sentinel-2影像，经辐射校正、大气校正和图像裁剪等预处理后，构建基于自适应遗传算法优化的BP神经网络算法开展临洪河口湿地土地覆盖分类研究，并与传统BP神经网络、支持向量机和随机森林算法进行精度比较。研究结果表明：遗传算法优化后的BP神经网络算法开展河口湿地土地覆盖分类的总精度为96.162 7%，Kappa系数为0.952 0；与传统BP神经网络、支持向量机和随机森林分类算法的分类总精度相比，分别提高了7.359 7%、11.677 9%和6.042 4%；对应的Kappa系数也相应提高了0.090 8、0.118 0和0.074 8；有效解决了河口湿地土地覆盖分类精度低的问题。遗传算法优化后的BP神经网络可实现河口湿地土地覆盖的高精度分类，促进湿地资源的合理开发和保护，为实现海洋生态文明建设提供技术支撑。     

基于空谱融合与AlexNet算法的滨海湿地植被分类研究

为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。     

Study of tide prediction method influenced by nonperiodic factors based on support vector machines

Harmonic analysis, the traditional tidal forecasting method, cannot take into account the impact of noncyclical factors, and is also based on the BP neural network tidal prediction model which is easily limited by the amount of data. According to the movement of celestial bodies, and considering the insufficient tidal characteristics of historical data which are impacted by the nonperiodic weather, a tidal prediction method is designed based on support vector machine (SVM) to carry out the simulation experiment by using tidal data from Xiamen Tide Gauge, Luchaogang Tide Gauge and Weifang Tide Gauge individually. And the results show that the model satisfactorily carries out the tide prediction which is influenced by noncyclical factors. At the same time, it also proves that the proposed prediction method, which when compared with harmonic analysis method and the BP neural network method, has faster modeling speed, higher prediction precision and stronger generalization ability.     

A study of effects of sonar bandwidth for underwater target classification

The problem of classifying underwater targets is addressed in this paper. The proposed classification system consists of several subsystems including preprocessing, subband decomposition using wavelet packets, linear predictive coding, feature selection and neural network classifier. A multi-aspect fusion system is introduced to further improve the classification accuracy. The classification performance of the overall system is demonstrated and benchmarked on two different acoustic backscattered data sets with 40- and 80-kHz bandwidth. A comprehensive study is then carried out to compare the classification performance using these data sets in terms of the receiver operating curves, error locations, and generalization and robustness on a large set of noisy data. Additionally, the importance of different frequency bands for the wideband 80-kHz data is also investigated. For the wideband data, a subband fusion mechanism is introduced which offers very promising results.     

基于人工神经网络的海底细粒土工程分类研究

海洋沉积物工程定名对于开展海洋工程建设具有重要作用,然而海底粉土和黏性土的定名受人为因素影响容易产生误差.使用人工神经网络的方法对黄河口埕岛海域284组细粒土数据进行了训练和学习,得到了只利用沉积物粒径质量分数进行定名的方法.结果表明,使用人工神经网络的方法能够有效地对沉积物进行工程定名.当网络含有5个输入层节点、9个...     

海面太阳耀斑区的溢油光学遥感CNN检测方法研究

海面发生大面积溢油事故时,由于太阳耀斑区的存在,海面的油膜在遥感影像上会发生明暗的变化。这对溢油的检测会产生严重的干扰。如何在海面太阳耀斑区准确地检测出溢油是目前溢油检测的难题。针对这一问题,本文利用Landsat7 ETM+多光谱影像数据,开展了基于卷积神经网络(CNN)的海面太阳耀斑区溢油检测方法研究。通过设置对照实验,对比支持向量机、最大似然、随机森林等分类方法,我们发现在相同实验条件下CNN模型的分类精度为95%～99%, Kappa系数为0.92～1,均高于其他三种分类方法,表明了CNN模型在海面太阳耀斑区溢油的检测具有更高的精度与一致性。     

Acoustic plane-wave reflection from a rough surface over a random fluid half-space

Plane-wave reflection from a rough surface overlying a fluid half-space, with a sound speed distribution subject to a small and random perturbation, is considered. A theory based upon a boundary perturbation method in conjunction with a formulation derived from Green's function for the coherent field in the random medium have been applied to a typical oceanic environment to study their effects on the plane-wave reflection. By considering the coherent field itself, the plane-wave reflection may be obtained straightforwardly through a procedure consistent with the formalisms currently employed in rough surface scattering. The results show that both the rough surface and medium inhomogenieties may reduce the plane-wave reflection, however, the characteristics of the curves representing their effects are different, enabling us to identify the dominant scattering mechanism. The results for the coherent reflection due to the individual scattering mechanism are compatible with those found in the existing literature.