基于BP神经网络模型的浅海分层海底地声参数反演方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115841076A(43)申请公布日2023.03.24(21)申请号202211510033.1G06F18/241(2023.01)(22)申请日2022.11.29G06F18/214(2023.01)G01V1/28(2006.01)(71)申请人浙江海洋大学G01V1/30(2006.01)地址316022浙江省舟山市定海区临城街G06F113/08(2020.01)道海大南路1号申请人东海实验室(72)发明人崔智强祝捍皓柴志刚刘叙王加慧王其乐汤云峰(74)专利代理机构杭州浙科专利事务所(普通合伙)33213专利代理师吴昌榀(51)Int.Cl.G06F30/27(2020.01)G06N3/0499(2023.01)G06N3/084(2023.01)权利要求书3页说明书11页附图7页(54)发明名称基于BP神经网络模型的浅海分层海底地声参数反演方法(57)摘要本发明属于海洋工程领域，具体涉及一种基于BP神经网络模型的浅海分层海底地声参数反演方法，包括：构建浅海声场正演模型，获得流体中各点声压值，构成声压数据集p；构建BP神经网络模型；训练矫正S2中的BP神经网络模型，使其符合浅海声场正演模型下的地声参数反演需要；将实测声压代入BP神经网络模型，得到预设环境模型中各项待反演地声参数值，包括海底分层结果的预测。通过对构建模型中神经元权值和阈值的调整，使整个神经网络模型快速逼近实测数据与待反演地声参数间的映射关系，在相同精度要求下，较现有寻优算法反演效率更高，并且确定后的神经网络模型可直接用于同类型问题的求解，避免了重复的计算。CN115841076ACN115841076A权利要求书1/3页1.一种基于BP神经网络模型的浅海分层海底地声参数反演方法，其特征在于，包括：S1构建浅海分层海底声场正演模型，获得流体中各点声压值，构成声压数据集p，包括：在三维柱坐标系下预设符合浅海环境特点的声场模型，模型中简谐点声源位于柱坐标对称轴上，将三维问题转化为二维(r,z)平面上求解，z＝0代表海面，海面向下为深度z轴正值方向，r正轴表示声场传播方向；模型中，将海底看作N层沉积层的叠加，设海水层深度设为h1；频率为f0的声源位于海水层深度zs处；海水层中密度和声速分别为ρ1和c1；第n层沉积层的深度则表示为hn，第n层沉积层的纵波声速、横波声速、密度、纵波声速衰减和横波声速衰减分别用cpn、csn、ρbn、αpn、αsn表示；设模型流体层中的位移势函数为φ1，声压p满足p＝ρ12ωφ1，角频率ω＝2πf0，通过求解位移势函数得到流体中各点声压值，流体层中的位移势函数满足：各沉积层的势函数可表示为φn和ψn，其中δ(r,z)是原函数，ka代表第a层海底的波数，a＝1,2,3…n，其中k＝ω/cm,ω＝2πf0；求解方程中，pn与sn为解中包含的不确定项，φpn和ψsn为该项所对应的势函数，kpn和ksn为该项所对应的波数，其形式解为：其中，r为传播距离，Z为深度z和水平波数ξ的常微分方程，J0为零阶贝塞尔函数，ω为旋度角速度，根据上述推导结果，水层中声压场可表示为：S2构建BP神经网络模型；S3训练矫正S2中的BP神经网络模型，使其符合浅海分层海底声场正演模型下的分层判断以及地声参数反演需要；S4将实测声压代入BP神经网络模型，得到实测海底的海底分层数以及各项待反演地声参数值。2.根据权利要求1所述的一种基于BP神经网络模型的浅海分层海底地声参数反演方法，其特征在于，所述S2包括：神经网络输入层采用n个不同接收位置(ri,zi)(1≤i≤I)的m组声压数据p＝[p1(r1,z1),…,pj(ri,zi),…,pm(rI,zI)]m×I作为输入数据，并将与之对应的地声参数Y＝[cpn,csn,ρbn,αpn,αsn]m×5作为标签数据进行模型构建。3.根据权利要求2所述的一种基于BP神经网络模型的浅海分层海底地声参数反演方法，其特征在于，所述S2还包括：2CN115841076A权利要求书2/3页将分层所用BPNN模型记为NET‑1，半无限海底、单沉积层以及双沉积层BPNN模型记为：NET‑2‑X，X＝1,2,3；总计训练4个BPNN模型；在NET模型构建时，设置单隐含层；模型中，同一层间的神经元不相互连接，层与层之间存在两种信号交流，一种是工作信号函数，即输入层中声压场数据pj(ri,zi)与超参数矩阵[w,b]之间的激活函数f(x)，其信号由输入层向输出层正向传递，表达式为另一种是误差信号E，即网络模型反演结果和真值之间的误差函数，其由输出端开始逐层向输出端传递，表达式为NET‑1为单标签分类器，输出为基于海底分层结构的分类，网络训练采用交叉熵函数其中，w＝[wkv,