1611 / 2019-08-22 21:31:56

多波束后向散射强度数据反演底质类别方法过程分析

6、海洋地球科学 > 专题3：从洋中脊到海斗深渊：环境、资源与探测技术

多波束测深系统已广泛应用于海洋工程勘察、海洋开发、科研考察等领域，采取条带化测量方式，不仅使得获取高效率、高精度、全覆盖水深数据成为可能，同时也获取了包含海底底质信息的后向散射强度数据。传统观念是将多波束系统作为获取水深数据技术手段，却忽视了其海底后向散射强度数据快速、准确、高效反演海底底质类型这一技术方法，而对于海底底质类型确定主要采用传统海底取样方式，按一定网格离散取样，将获得的数据资料内插和外延，进而确定测区海底底质类型。传统方法不仅效率低，由于大范围插值及人为因素，不同类型底质沉积边界常呈直线型、边界分明，不符合自然规律，最终结果准确性也相对较低，而全扫描多波束识别的沉积边界成过渡状态，更贴近沉积规律。由此可见，合理利用多波束系统后向散射强度数据反演底质信息，对于科研、工程等领域具有重要现实意义。
多波束回波强度不仅与海底底质固有物理特性相关，同时还与波束发射角度、传播距离、环境噪声、海水吸收和散射系数以及海底起伏特征等因素相关。因此对于原始后向散射强度数据，需要对其进行相应后处理，包括声线弯曲修正、传播损失改正、海底起伏及面积修正等，以消除外部环境影响，获得单纯反应海底底质固有物理特性的后向散射强度数据。本报告对后处理法方法进行简明介绍，对后处理后底质后向散射强度数据统计分析结果加以分析，并针对BP神经网络对初始权值及阈值选取敏感易陷入局部最优解的缺陷，提出利用蚁群算法优化BP神经网络选取最优初始权值及阈值，继而利用多波束后向散射强度数据对海底底质进行聚类分析。同时，就前人所使用k-means、kNN等传统聚类分析方法与神经网络反演海底底质类型方法进行对比分析（Back-propagation Neural Network），针对各算法不同场合适用性进行讨论。