南海海底细粒土的工程地质性质基本特征

本文通过对南海陆架、陆坡海洋细粒土的工程地质性质基本特征的研究,发现宏观上受控于它的沉积环境,微观上又受控于它的物质组成、物理化学特征、微结构特征。     

波浪作用下黄河三角洲海底粉土液化特征对比研究

作为一种常见的近海海底灾害地质现象,波致海床液化严重威胁着黄河三角洲地区海底工程设施的安全。粉质海床液化后,海底粉土的结构、物理和力学性质均发生了改变,研究该变化规律尤其是评估液化后海底粉土再次发生液化的可能性具有重要的理论意义和应用价值。本文利用室内动三轴仪对取自黄河三角洲已液化和未液化海底粉土开展了液化试验对比研究,讨论了已液化和未液化海底粉土在孔压增长模式和轴向动应变发展趋势方面的异同,对比分析了二者的液化势。研究结果表明：应变标准比孔压标准更适用于评估黄河三角洲地区海底粉土的液化势;孔压和动应变发展模式均表明与未液化粉土相比,已液化海底粉土再次发生液化的抗力有所提高;已液化和未液化海底粉土归一化孔压比u_d/σ₃与循环加载次数比N/N_f间相关关系可采用双曲线或指数函数模型进行定量化描述;未液化海底粉土的波致液化临界循环应力比约为0.20,已液化海底粉土的临界循环应力比约为0.35。研究成果有助于加深对海底粉土波致液化特性的认识,亦可为循环应力历史影响下的土体力学性质研究提供参考。     

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.     

西沙海槽东部海底浅表层土工程地质特性及水合物细粒土力学性质试验

利用2012年在西沙海槽东部海域获得的25个重力柱状样的土工试验分析,以及以南海北部陆坡区浅表层土为试验介质的含水合物细粒土的力学特性模拟试验结果,对西沙海槽东部海域浅表层土的工程地质特性和含水合物细粒土的力学特性进行了综合分析。结果显示西沙海槽东部海域浅表层土土质类型单一,主要为高液限粉土,粉砂含量较高,黏粒含量次之,砂粒含量极少。通过差异显著性检验,陆坡斜坡及北槽坡区与槽底平原和南槽坡区浅层土的工程地质特性差异显著,而垂向上各区浅表层土的工程特性无显著性差异,整体为一高含水率、高塑性、高压缩性和低抗剪强度的软弱高液限粉土层。以细粒土为试验介质,不同水合物饱和度土的土力学特性有较大差异。低饱和度的土表现为两次塑性破坏,而高饱和度的土仅表现为一次塑性破坏。水合物细粒土的黏聚力值随饱和度的增加呈现先增加后降低的趋势,内摩擦角随饱和度的变化不明显。     

波浪作用下黄河口粉土孔压响应特征及过程

以黄河口海底粉土为研究对象,利用自行研发的监测设备现场监测了波浪作用下海底粉土的孔隙水压力响应过程,获取了2个大风过程中孔隙水压力的有效数据。波浪作用下海底粉土的孔隙水压力响应由表层土最先开始,向下层土延伸,且响应程度随着土层深度的增加而减弱。孔隙水压力响应特征受潮位与波高影响明显,潮位影响孔隙水压力响应的整体趋势而波高影响孔隙水压力响应的幅值,且海底粉土孔隙水压力对波高的响应具有滞后性,滞后时间约为2 h。大风过程中海底面以下1.5 m以深孔隙水压力未发现明显变化,说明其超过了波浪最大作用深度;海底面以下0.5 m位置处孔隙水压力在一段时间内产生剧烈振荡,无明显的累积现象,说明其处于波浪作用范围内,但波浪作用导致的孔隙水压力小于土体孔隙水压力的消散速率。     

基于海底地貌分类的海底地名通名分类体系研究

海底地名通名的分类与命名是地名命名研究的重要内容,而海底地名通名实际上是海底地貌类型的名称。在总结国内外已有陆地和海洋地貌分类研究成果的基础上,提出了基于地貌分类的海底地名通名分类体系。     

疲劳模型评价海底粉土不稳定性的应用

该文探讨疲劳模型在评价海底粉土不稳定性中的应用。研究表明以超孔压为疲劳参数 ,以 Ψ 作为孔压产生率的疲劳模型可用于预测海底粉土中超孔压的产生和累积。基于已有的疲劳模型 ,借鉴以孔压作为疲劳参数 ,运用包含有周期循环数的公式来预测超孔压的累积的思路 ,将粉土的动三轴孔压累积曲线用一条渐进线来代表 ,从而用一种新的且较简单的疲劳模型可预测超孔压的均值。     

东海油气资源区海底沉积物的工程地质特征

根据“灾害地质环境调查与评价”项目1995年11月、1996年6月和1998年10月的航次调查及随后的沉积物样品的试验室分析资料，从物理性质和力学特征各方面对东海油气资源区海底沉积物进行了综合工程地质特征研究。发现本区沉积物结构、剪切特征、含水量和液塑限随深度的变化而变化；本区海底沉积物类型既分布有中砂、细砂和粉砂3种砂性土，也分布有淤泥、淤泥质粘土和粘质粉土3种粘性土，沉积物的物理力学性质与相应的土类变化相一致。     

海底声学底质分类技术的研究现状与前景

对海底声学底质分类技术的研究现状进行了分析。介绍了目前典型的底质分类设备、软件以及可采取的分类方法,探讨了我国开展海底声学底质分类技术研究、开发的可行性与具体实现的思路。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7 ETM 遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。     

基于神经网络并考虑地形改正的GPS水准高程拟合

从考虑地形改正的基础出发,运用神经网络进行GPS水准高程拟合。从节约计算时间的角度提出了新的思路,认为不必深究于过密的DEM模型数据,DEM模型数据只是中间过程,能达到精度要求即可,如果过于强调其精度,相反还会带入DEM高程模型算法本身的系统误差。并提出了DEM模型的密度是否符合拟合要求的初步判定方法。还对神经网络的基本理论作了简单的概括和说明。     

基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。     

基于BP神经网络的海水盐度建模研究

针对受诸多因素影响的复杂的海水盐度参数非线性输入输出特性,训练并建立BP神经网络模型,介绍了该模型的结构特点和原理。分析表明,该方法在海水盐度建模等复杂系统方面具有实用性和可靠性,并有很好的应用前景。     

浮游植物密度的人工神经网络预测研究

将人工神经网络模型应用于藻类密度数据的预测计算之中,并利用遗传算法对其网络结构进行优化计算以保证计算结果的准确性且自动确定网络结构,分别对神经网络的“当天模型”和“预测模型”进行了计算。结果显示：几种人工神经网络模型在计算精度以及预测数据的趋势上都有较好的效果,目前国内学者使用的人工神经网络“当天模型”无法对其后数据进行预测,不能起到实际预测的作用,而经过遗传算法优化后的人工神经网络“预测模型”不仅达到了很好的预测效果,而且网络结构简单,适用于浮游植物密度的预测计算。     

基于人工神经网络研究海水中叶绿素浓度的垂直分布

海水中叶绿素浓度的垂直分布可以用高斯函数近似拟合。目前卫星传感器只能测到透光层深度 2 2 %水体中的叶绿素浓度信息。为了寻找其高斯函数的 4个参数 (Bo,h,σ和 Z)与卫星测得的海表面温度、表面叶绿素浓度之间的映射关系 ,本文使用 6个输入的 3层 BP网络模拟这种复杂的映射关系。经过 30 0 0个周期的训练 ,网络的计算结果和测试数据的相关系数分别为 Bo(0 .4 76 1) ,h(0 .84 6 7) ,σ(0 .75 40 ) ,Z(0 .8988) ,表明了神经网络方法在确定叶绿素浓度垂直分布中的有效性。     

人工神经网络在凡纳滨对虾养殖水质预测中的应用研究

以BP神经网络为基础,建立了凡纳滨对虾养殖水质预测模型。采用3层结构,通过灵敏度分析得到网络的输入变量,在确定了模型的各结构参数后,建立了凡纳滨对虾养殖水质预测模型,并根据整个对虾养殖周期内的水质监测数据对模型进行了训练和仿真。结果显示,水质的实测值与预测值之间的相关系数为0.991 8,预测误差率结果显示,最大误差率为4.37%,最小误差率为0.12%,平均误差率为1.20%,总体预测结果较好。BP神经网络能够以较高精度预测养殖水质状况,为水质恶化的早期预报提供了有效途径。     

Tide Forecasting of Tides Around Taiwan by Artificial Neural Network Method and Wavelet Analysis

In multiresolution analysis(MRA)by wavelet function Daubechies(db),we decompose the signal to two parts,the low and high frequency content.The high-frequency content of the data is removed first and a new "de-noise" signal is reconstructed by using inverse wavelet transform.The wavelet spectrum and harmonic analysis were used to analyze the characteristics of tidal data before constructing the input and output structure of ANN model.That is,the concept of tidal constituent phase-lags was introduced and the new "de-noise" signal was used as the input data set of ANN and the forecasting accuracy of ANN model is significantly improved.     

赤潮预测的人工神经网络方法初步研究

赤潮是一种由多因素综合作用引发的生态异常现象,具有突发性及非线性等特点。对其进行预测预报一直是海洋科学研究的热点。探讨了应用人工神经网络原理进行赤潮预测的方法,简要介绍了BP和RBF算法的基本原理,用2种算法对不同海域赤潮生物与环境因子之间非线性和不确定性的复杂关系进行学习训练和预测检验,并与传统的统计方法进行了比较。结果表明：人工神经网络方法在模拟和预测方面优于传统的统计回归模型,具有较强的模拟预测能力及实用性,值得进一步探索。     

基于BP神经网络的海底地形复杂度自动分类方法研究

针对海底地形复杂程度分类问题,在考虑传统水深均值的基础上引入坡度和起伏度两个地形因子作为表征海底地形复杂程度的分类指标并进行量化,对水深数据空间分辨率进行统一,建立包含18种典型海底特征的海底地形复杂度分类库,利用BP神经网络对建立的分类库进行训练学习。为验证该方法的有效性和适用性,选取地形复杂度不同的4块实验区分别采用统计学方法和BP神经网络算法进行海底地形复杂度进行分类,对比发现该方法可以实现海区海底平坦、一般、复杂三种地形的自动识别与分类,并保留实验区海底地形复杂度细节信息。