海底沉积物孔隙度与声速的关系

给出大陆架海底沉积层中声速(压缩波)V_p依赖于沉积物孔隙度n的一个新的经验公式,该公式当n=100时,V_p=V₀,V₀为海底水声速.公式的计算值与我国周边大陆架测量值吻合较好,并将其结果与国内外成果作了对比讨论.     

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.     

基于主元分析技术的海底沉积物声速预报方程

通过应用主元分析技术建立预报海底沉积物声速的经验方程,将前人研究报道的经验方程进行分析研究,指出其计算误差,运用南海南部大陆架和大陆坡数据,建立了主元回归计算模型。从理论上研究了如何在众多影响声速的物理参数中,排除相互关联的参数,优选出相互独立的、且对声速有显著影响的少数几个物理参数,用优选后的物理参数建立了南海南部海域大陆架及大陆坡沉积物的3参数（孔隙度n、颗粒中值粒径Ma、塑限W,）声速预报方程：Cp=1774-5．0944n＋12．499Md＋0．9985Wp,该方程的相对预报误差仅为-4．48％-3．77％。     

海底沉积物声速测量方法及其比较

归纳了海底沉积物声速特性及声速测量的两大类方法,分析比较了其各自的特点。针对所存在的问题提出了海底沉积物声速实验室仿真测量的思想。对正确运用“703”专项海洋环境调查技术规程中所采用的底质声速计算公式具有指导意义。     

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。     

海底沉积物声速实验室测量结果校正研究

海底沉积物实验室测量状态与海底原状态存在较大差异,因此有必要进行声速校正.基于研究海底浅表层沉积物采样样品的原状态与实验室环境的差异,提出运用Hamilton声速校正模型对实验室测量沉积物声速数据进行校正,实现表层沉积物标准测量环境(23℃,1个大气压)下的声速校正到海底原状态;设计了温度变化实验测试南海海底沉积物的声速比变化,验证了Hamilton模型的可行性并将其推广到室温状态下各个温度的校正;分析了Hamilton声速校正模型应用于海底浅表层沉积物声速校正的可行性.     

海洋沉积物声速与物理参数的关系

海洋沉积声速与物理性质密切相关，特别是含水量Ｗ和孔隙度Ｎ，它们在建立回归议程和预报沉积物性质中有所贡献。中国东，南海沿海沉积物的资料和数据表明：声速和声速比可以用来预报沉积物性质。     

基于时间平均的海底沉积物声速预测

在海底沉积物声速预测中,把不同海域的物理性质完全不同的沉积物试验数据拟合出一个统一的方程存在不足,不但数据过于离散,而且方程中参量的物理意义不明确。借鉴Wyllie等建立的时间平均方程的思路,基于声传播过程中路程、时间和声速之间的基本关系,引入了表征固液双相之间的堆垒方式和耦合状态对声传播路径影响的耦合系数,建立了沉积物声速预测模型。将鹿回头外海、南海南部和北部的沉积物测量数据进行线性回归分析,分别得出适用于不同海域的沉积物声速预测模型,拟合的复相关系数较大,偏差较小,证明该模型能够反映声速随孔隙度的变化规律,且各参数物理意义明确,具有一定的研究和理论探索意义。     

基于小波变换选择的海底沉积物声速分析技术

海底沉积物物理特性参数的研究对海洋资源开发、海底工程建设、海地测绘、海洋灾害预报、海底历史研究、航运国防等具有重要意义.它可由对出海采样的样品直接进行土工实验获取,或者经测量得到的声学特性参数表征.目前海底沉积物探测主要以声学测量为主,通过接收透射、反射、折射的声波后提取出声学特性而成,包括压缩波速、切变波速(液体不存在)、声波阻抗、声衰减.针对传统的走时法由于人工读取起跳点造成声速的精确度不高这一特点,引出小波分析方法读取起跳点,应用小波分解原始信号得到的细节信号的模极大值连线来确定原始信号的畸变点,从而确定为接收声信号的起跳点以计算声速.     

基于时间平均的海底沉积物声速预测

在海底沉积物声速预测中,把不同海域的物理性质完全不同的沉积物试验数据拟合出一个统一的方程存在不足,不但数据过于离散,而且方程中参量的物理意义不明确。借鉴Wyllie等建立的时间平均方程的思路,基于声传播过程中路程、时间和声速之间的基本关系,引入了表征固液双相之间的堆垒方式和耦合状态对声传播路径影响的耦合系数,建立了沉积物声速预测模型。将鹿回头外海、南海南部和北部的沉积物测量数据进行线性回归分析,分别得出适用于不同海域的沉积物声速预测模型,拟合的复相关系数较大,偏差较小,证明该模型能够反映声速随孔隙度的变化规律,且各参数物理意义明确,具有一定的研究和理论探索意义。     

海底表层沉积物声速特性研究进展与探讨

海底表层沉积物具有多相、多颗粒、多形态的组成结构,导致其声学特性复杂多样。通过分析压缩波速度和切变波速度特性的研究现状,指出有待于解决的科学问题和关键技术问题。在分析国内外有关海底沉积层声速特性研究基础上,提出采取系统、可控的实验测量手段解决当前测量存在的4点问题。综合分析了压缩波速度和切变波速度存在的统计回归关系和理论分析关系,探讨了当前地声反演、采样样品声学测量、原位声学测量3种方法存在的测量尺度、测量频率、测量状态等的差异,探讨建立不同测量方法和测量技术对测量结果进行统一性解释的方法,从而获得不同类型、不同区域的海底表层沉积物真实的声速特性。最后,从实验室声学测量、物理力学参数测量、流固耦合特性分析、原位测量及海底监测、采样测量与原位测量的误差分析及校正、海底大纵深声学测量6个方面提出技术需求,为提高声学探测海洋和海底的精度服务,推动海洋声学探测和海洋工程发展。     

在轴向应力-应变下海底沉积物声速及其变化

对南海南部海域海底浅表层沉积物短柱状样进行轴向应力-应变/声学测量,结果表明沉积物纵波声速有三种不同的变化结果:(1)声速从应变过程开始随应力-应变曲线变化,在最大应力时声速同时也是最大值,结束时可能高于或低于开始时的声速;(2)声速从应变过程开始逐渐减小,结束时是最小值;(3)声速从应变过程开始逐渐增大,最大值出现在结束时.这些结果与海底浅表层沉积物的物理力学性质、颗粒接触状态、颗粒的微结构等特征有关.研究结果可为深入认识南海南部各种海底沉积物作为承载界面的可靠性、声遥测遥感海底沉积物的工程力学性质等科学目的提供理论依据.     

应力-应变过程中海底沉积物微结构变化对其声速的影响

阐述了对海底沉积物样品在应力-应变过程中进行同步声学测量的实验工具及方法,分析了采自南海45个站位的海底沉积物样品的实验数据资料,结果表明,沉积物颗粒越粗、孔隙越小、无侧限抗压强度越大,声速越高.沉积物样品在受力应变过程中,声速具有明显的随应力而变化的特征.进一步探讨了不同应变阶段沉积物的声学特征以及应力所导致沉积物微结构变化对其声速的影响过程,这一研究将在石油地质测井和海底工程基底稳定性评价等方面具有重要应用意义.     

受控三轴应力-应变下沉积物声速与物理力学性质的关系

对南海某海域深度100～400 m的海底浅层（约2 m埋深范围）沉积物柱状样在接近海底水压力下进行三轴应变-声学同步测量,结果表明沉积物纵波声速有两个特征:（1）从应变过程开始到结束,沉积物纵波声速不断变化;（2）平均声速随着平均静弹性模量的增加,由大变小又由小变大,存在声速最小值。这些结果与海底浅表层沉积物的物理力学性质、围压、颗粒的结合状态改变有关。此外,沉积物动弹性模量和孔隙度呈良好的负相关性,这与孔隙度增大含水量增大有关;动弹性模量是静弹性模量的10～100倍,这主要与三轴应变试验的应变数量级与声波振动产生的应变数量级的差异大有关。采用本论文实验测量的数据分别建立了双复合参数-声速和孔隙度-声速经验公式,分析结果表明双复合参数-声速公式声速预报误差约是孔隙度-声速公式的1/4,表明双复合参数-声速公式更加有效。     

海底沉积物的基本地声结构与地声模型

为准确建立海底地声模型,本文探讨地声模型的基本组成和基本结构。通过样品实验室测量,分析南海海底表层沉积物的密度、孔隙度与声速随着埋深变化的关系,得出海底实际存在的低声速表面–声速缓慢变化类型、低声速表面–声速增大类型、高声速表面–声速缓慢变化类型和高声速表面–声速增大类型4种典型地声结构;对比钻探测量,分析黄海海底沉积物的密度、孔隙度与声速随埋深变化关系,得出海底地声模型分层特征与地声结构组合特征。研究表明,地声模型可以归结为4种基本地声结构的组合,通过与底层海水声速、同层内声速剖面以及与上层海底沉积物下表面声速的比较,可以建立各种海底地声模型;基于实验室测量法建立的地声模型可以作为参考地声模型,但需要考虑实际海底温度和压力梯度以及海底沉积物的频散特性等,借助于声速比校正法和频散性理论模型进行计算及修正。