海底声学底质分类的ELM-AdaBoost方法

基于自适应增强算法（AdaBoost）结合极限学习机（ELM）,通过迭代、调整、优化ELM分类器之间的权值,从而构建了具有强鲁棒性、高精度的ELM-AdaBoost强分类器,增强了现有的ELM分类器的稳定性。以珠江口海区侧扫声呐图像为实验数据,对礁石、砂、泥3类典型底质进行分类识别,该方法的平均分类精度超过90%,优于单一ELM分类器的平均分类精度85.95%,也优于LVQ、BP等传统分类器,且在分类所耗时间上也远少于传统分类器。实验结果表明,本文构建的ELM-AdaBoost方法可有效应用于海底声学底质分类,可满足实时底质分类的需求。     

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.     

马尼拉俯冲带中段增生楔精细构造特征及微型圈闭盆地发育模式探讨

对马尼拉俯冲带中段高精度地形数据编辑后绘制成图,联合之前所获取的地震剖面数据,对俯冲带增生楔的精细构造地貌特征及发育模式进行了深入探讨.在增生楔下构造区发现了大量狭长的微型圈闭盆地,经过对其平面断裂特点与深部应力状态的分析,发现增生楔从俯冲前缘到脊顶区其构造特点的转变对应着微型圈闭盆地4个完整的发育阶段,即初期的加积断裂阶段、中期的圈闭成盆阶段、后期的挤压消亡阶段乃至最终的隆升推覆阶段,揭示出一种新型的俯冲带增生楔发育模式,并推断其本质是深部板片俯冲活动所产生的压应力在海底面的表现.     

浅地层剖面在富钴结壳调查研究中的应用

文中以Topas PS018系统为例简要介绍浅地层剖面仪的工作原理和系统组成,重点介绍浅地层剖面在大洋富钴结壳资源调查研究中的应用情况。浅地层剖面资料与联合作业的海底视像、岩芯取样等资料进行对比和分析,发现浅地层剖面能够有效识别基岩、板状结壳、砾状结壳、砂、沉积物等不同底质类型,对浅地层剖面资料进行深入挖掘能够提取出富钴结壳矿区界线信息。     

网格剖分积分法计算富钴结壳资源量

在矿区地质模型建立及边界条件限定的基础上,提出了基于网格剖分积分计算富钴结壳资源量的评估计算方法,推导了相应的计算公式,设计了相应的模块界面,并在"海底地形地貌自动成图系统"中实现了这种计算方法.这种资源量计算方法可应用于富钴结壳资源研究和评价计算.     

全球海底地形精细建模进展与发展趋势

精细的海底地形模型在海底板块构造运动、水下载体航行保障、海洋资源勘探等方面具有重要作用。回顾国内外海底地形探测技术和模型构建的发展,讨论当前全球海底地形精细建模的研究现状和面临的主要挑战,总结今后全球海底地形精细建模的发展趋势,认为基于卫星测高技术的海洋重力场反演仍是未来全球海底地形精细建模的主要技术手段,并且新体制测高卫星如双星跟飞测高和SWOT(surface water ocean topography)二维海面高测量任务将为进一步提升海洋重力场以及海底地形模型精度提供数据源,结合地形复杂度优化海底地形反演理论方法有望带来理论创新,探索人工智能技术用于海底地形精细建模值得关注。     

MF多源测深数据融合方法及大洋水深模型构建

针对全球深海测深数据来源复杂、精度差异大、难以融合构建高精度数字水深模型(digital bathymetric model,DBM)的问题,提出一种适用于深水区多源水深数据融合的MF法(merge-fusion),并将其应用到马里亚纳海沟"挑战者深渊"的DBM构建中。该方法通过"合并-融合"的技术路线,将多波束、单波束、电子海图数据与通用全球海洋地形数据(general bathymetric chart of the oceans,GEBCO)有机地融合在一起,在保留高分辨率地形细节特征的同时,合理填补了数据空白区。使用该方法构建"挑战者深渊"高精度DBM并与GEBCO数据进行对比,结果表明,该方法融合的DBM能更好地反映精细的地形特征信息,具有重要的实际应用价值。     

多波束UNB数据文件格式的解析及应用

对多波束UNB数据文件格式进行了解析,阐述了UNB文件格式的内部记录结构,即系统参数记录、声速剖面记录、导航记录和测深记录等。设计了能读取UNB文件所包含的船参数、声速剖面、导航信息和多波束各波束信息的原始多波束数据格式读取模,经与CTD实测声速剖面得到的数据进行对比可知,读取的结果准确、可靠。     

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。     

30a来伶仃洋海岸线变迁及海底冲淤变化

采用Kriging网格化等方法,构建了伶仃洋1990年和2008年2期海底地形四维时空模型,结合210Pb测年,分虎门区、淇澳岛区、伶仃洋浅滩区、伶仃航道区和铜鼓航道周边区等5个亚区定量分析了1975年以来伶仃洋海岸线变迁和海底冲淤时空变化。30a来,全区陆地面积增加216.0km2,水域面积减少84.6km2,滩涂面积减少131.4km2,水域容积减少19 783.7×104 m3,年均淤积量达到477.4×104 m3,河口整体处于不断淤浅萎缩中。5个亚区的年冲淤量分别为-236.6×104,135.3×104,663.7×104,-452.7×104和367.7×104 m3;平均冲淤速率分别为-4.46,0.93,1.27,-5.49和2.93cm/a。虎门区和伶仃航道区总体水深加深,其他区域水深变浅,铜鼓航道周边淤积最为严重。虎门区水深加深主因是自然冲刷和人工采砂,伶仃航道水深加深是人工清淤的结果,铜鼓航道为新开挖的人工航道。受人工疏浚抛泥影响,各航道两侧水深明显变浅,其他区域水深变化系三角洲自然演变结果。随着伶仃洋两岸经济的迅猛发展,人类活动已成为该区海底地形地貌演变的重要因素。