海洋学报（中文版）
海洋學報（中文版）
해양학보（중문판）
ACTA OCEANOLOGICA SINICA
2014年
3期
134-142
,共9页
双相随机介质%等效介质理论%支持向量机%粒子群算法
雙相隨機介質%等效介質理論%支持嚮量機%粒子群算法
쌍상수궤개질%등효개질이론%지지향량궤%입자군산법
random two-phase medium%support vector machine%equivalent medium theory%particle swarm opti-mization
考虑海底沉积介质为双相介质，为了更好地模拟实际海底底质的不均匀性，将随机介质理论引入双相介质理论。首先，通过基于随机-双相介质理论的高阶有限差分数值技术模拟计算海底底质分别为泥质砂、泥、泥质砾时的地震反射波信号。然后利用小波变换分别求取不同底质的一次反射波的包络作为其特征向量，最后利用基于粒子群智能算法优化的支持向量机神经网络对这些反射波信号进行分类识别。为了进一步考察所用方法的抗噪能力，对正演得到的海底底质反射波信号分别加入10％、30％、50％的高斯白噪音之后再进行分类，支持向量机仍然取得了较好的分类预测效果。基于上述正演模拟及分类识别方法的论证，提出了一套行之有效的微机软件模拟海底沉积物分类识别的一般化流程，这将有利于开展海底沉积物反射特征的进一步研究。
攷慮海底沉積介質為雙相介質，為瞭更好地模擬實際海底底質的不均勻性，將隨機介質理論引入雙相介質理論。首先，通過基于隨機-雙相介質理論的高階有限差分數值技術模擬計算海底底質分彆為泥質砂、泥、泥質礫時的地震反射波信號。然後利用小波變換分彆求取不同底質的一次反射波的包絡作為其特徵嚮量，最後利用基于粒子群智能算法優化的支持嚮量機神經網絡對這些反射波信號進行分類識彆。為瞭進一步攷察所用方法的抗譟能力，對正縯得到的海底底質反射波信號分彆加入10％、30％、50％的高斯白譟音之後再進行分類，支持嚮量機仍然取得瞭較好的分類預測效果。基于上述正縯模擬及分類識彆方法的論證，提齣瞭一套行之有效的微機軟件模擬海底沉積物分類識彆的一般化流程，這將有利于開展海底沉積物反射特徵的進一步研究。
고필해저침적개질위쌍상개질，위료경호지모의실제해저저질적불균균성，장수궤개질이론인입쌍상개질이론。수선，통과기우수궤-쌍상개질이론적고계유한차분수치기술모의계산해저저질분별위니질사、니、니질력시적지진반사파신호。연후이용소파변환분별구취불동저질적일차반사파적포락작위기특정향량，최후이용기우입자군지능산법우화적지지향량궤신경망락대저사반사파신호진행분류식별。위료진일보고찰소용방법적항조능력，대정연득도적해저저질반사파신호분별가입10％、30％、50％적고사백조음지후재진행분류，지지향량궤잉연취득료교호적분류예측효과。기우상술정연모의급분류식별방법적론증，제출료일투행지유효적미궤연건모의해저침적물분류식별적일반화류정，저장유리우개전해저침적물반사특정적진일보연구。
In this paper ,to better simulate the actual heterogeneity of the seabed sediment ,the random medium theo-ry is introduced into the two-phase medium theory .Firstly ,through the high-order staggered-mesh finite different simulation of random two-phase media ,simulated the propagation of the seismic wave of three different the sedi-ments ,which are shaly sand ,mudstones ,muddy conglomerate .Then ,the wavelet transformation technology is used to obtain the envelopes of reflection ,called as the feature vector ,which will be used as the input term of neural net-work .Finally ,support vector machine neural network based on particle swarm optimization was applied to classify these data .To further investigate the anti-noise ability of the proposed method ,the 10% ,30% and 50% of Gaussi-an white noise was added into the original data and the optimized support vector machines still achieved good classi-fication prediction .Based on the repeatable ,convenient of the computer simulation and the relevant high accuracy and the robustness of SVM ,a total solution of a classification ,which will be easier ,deeper ,further to sturdy the fea-ture of reflection of sediments is proposed in the article .
