本發(fā)明涉及海洋聲學(xué),尤其涉及一種基于物理神經(jīng)網(wǎng)絡(luò)的海底底質(zhì)聲學(xué)特性預(yù)測(cè)方法及系統(tǒng)。
背景技術(shù):
1、海底底質(zhì)是海洋聲傳播的下界面,底質(zhì)聲學(xué)特性是海洋聲場(chǎng),聲吶探測(cè)效能評(píng)估所必不可少的輸入?yún)?shù),如何準(zhǔn)確獲取,預(yù)測(cè)海底底質(zhì)的聲學(xué)特性是目前研究的重難點(diǎn)。傳統(tǒng)的底質(zhì)預(yù)測(cè)方法包括經(jīng)驗(yàn)方程和理論模型,經(jīng)驗(yàn)方程是基于單個(gè)或兩個(gè)物理參數(shù)構(gòu)建的,其輸入?yún)?shù)獲取較難,且單個(gè)或兩個(gè)參數(shù)無(wú)法完全代表底質(zhì)聲學(xué)特性性質(zhì),因此預(yù)測(cè)精度有限;理論模型的輸入?yún)?shù)有13個(gè),且有部分參數(shù),如彎曲度,孔隙大小等,均難以測(cè)量獲取,使得理論模型應(yīng)用難度大,無(wú)法滿足應(yīng)用需求。而機(jī)器學(xué)習(xí)算法模型,如隨機(jī)森林,支持向量機(jī)等,是輸入訓(xùn)練數(shù)據(jù),然后直接利用算法訓(xùn)練,輸出的是單個(gè)頻率的聲學(xué)特性參數(shù)預(yù)測(cè)值,如聲速,聲衰減,這里的聲學(xué)特性參數(shù)僅僅是單個(gè)頻率的預(yù)測(cè)值,無(wú)法同時(shí)給出不同頻率下的聲學(xué)特性參數(shù),這是因?yàn)橛?xùn)練數(shù)據(jù)無(wú)法同步輸入多個(gè)頻率的訓(xùn)練數(shù)據(jù),因此如何解決多頻率的聲學(xué)特性預(yù)測(cè)是目前研究的難點(diǎn)。進(jìn)一步,傳統(tǒng)方法和普通的機(jī)器學(xué)習(xí)算法容易導(dǎo)致過(guò)擬合或誤差較大。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)局限性問(wèn)題。為此,本發(fā)明提出一種基于物理神經(jīng)網(wǎng)絡(luò)的海底底質(zhì)聲學(xué)特性預(yù)測(cè)方法及系統(tǒng),能夠準(zhǔn)確進(jìn)行海底底質(zhì)聲學(xué)特性預(yù)測(cè)。
2、一方面,本發(fā)明實(shí)施例提供了一種基于物理神經(jīng)網(wǎng)絡(luò)的海底底質(zhì)聲學(xué)特性預(yù)測(cè)方法,包括以下步驟:
3、獲取目標(biāo)海域的海底樣本;
4、根據(jù)海底樣本測(cè)量得到海底樣本數(shù)據(jù)集;海底樣本數(shù)據(jù)集包括每個(gè)海底樣本對(duì)應(yīng)的聲學(xué)特性參數(shù)、物理參數(shù)和環(huán)境參數(shù);
5、基于海底樣本數(shù)據(jù)集對(duì)預(yù)構(gòu)建的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行訓(xùn)練,進(jìn)而利用損失函數(shù)優(yōu)化構(gòu)建得到物理信息神經(jīng)網(wǎng)絡(luò);其中,損失函數(shù)的約束包括波動(dòng)方程的信息;
6、基于待預(yù)測(cè)海底底質(zhì)的物理參數(shù)和環(huán)境參數(shù),利用物理信息神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到待預(yù)測(cè)海底底質(zhì)的聲學(xué)特性參數(shù)。
7、可選地,獲取目標(biāo)海域的海底樣本,包括以下步驟:
8、利用海底采樣設(shè)備從目標(biāo)海域采集多份海底底質(zhì)沉積物柱狀樣本作為海底樣本。
9、可選地,海底樣本數(shù)據(jù)集包括訓(xùn)練集、驗(yàn)證集和測(cè)試集;根據(jù)海底樣本測(cè)量得到海底樣本數(shù)據(jù)集,包括以下步驟:
10、基于預(yù)設(shè)的實(shí)驗(yàn)參數(shù),對(duì)所有海底樣本進(jìn)行聲學(xué)測(cè)量實(shí)驗(yàn)和物理測(cè)量實(shí)驗(yàn);
11、基于聲學(xué)測(cè)量實(shí)驗(yàn)獲得每個(gè)海底樣本在不同頻率下的聲學(xué)特性參數(shù);
12、基于物理測(cè)量實(shí)驗(yàn)獲得每個(gè)海底樣本對(duì)應(yīng)的物理參數(shù)及環(huán)境參數(shù);
13、對(duì)所有海底樣本對(duì)應(yīng)的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行歸一化處理,進(jìn)而基于預(yù)設(shè)比例劃分得到訓(xùn)練集、驗(yàn)證集和測(cè)試集;
14、其中,實(shí)驗(yàn)數(shù)據(jù)包括聲學(xué)特性參數(shù)、物理參數(shù)和環(huán)境參數(shù)。
15、可選地,海底樣本數(shù)據(jù)集包括訓(xùn)練集、驗(yàn)證集和測(cè)試集;基于海底樣本數(shù)據(jù)集對(duì)預(yù)構(gòu)建的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行訓(xùn)練,進(jìn)而利用損失函數(shù)優(yōu)化構(gòu)建得到物理信息神經(jīng)網(wǎng)絡(luò),包括以下步驟:
16、將訓(xùn)練集中每個(gè)海底樣本對(duì)應(yīng)的物理參數(shù)和環(huán)境參數(shù)作為輸入數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)架構(gòu)處理得到聲學(xué)特性預(yù)測(cè)值;
17、其中,神經(jīng)網(wǎng)絡(luò)架構(gòu)基于多層全連接神經(jīng)網(wǎng)絡(luò)預(yù)構(gòu)建得到,多層全連接神經(jīng)網(wǎng)絡(luò)包括依次連接的輸入層、多層隱藏層和輸出層;輸入層的神經(jīng)元數(shù)量基于物理參數(shù)和環(huán)境參數(shù)的數(shù)據(jù)維度確定,多層隱藏層中每層隱藏層的神經(jīng)元數(shù)量按照預(yù)設(shè)比例逐步遞減,多層隱藏層還設(shè)置有激活函數(shù);
18、基于聲學(xué)特性預(yù)測(cè)值,通過(guò)波動(dòng)方程求解得到波動(dòng)方程解聲學(xué)特性值;
19、根據(jù)聲學(xué)特性預(yù)測(cè)值與其對(duì)應(yīng)的波動(dòng)方程解聲學(xué)特性值構(gòu)建物理?yè)p失;根據(jù)聲學(xué)特性預(yù)測(cè)值與其對(duì)應(yīng)的聲學(xué)特性值構(gòu)建數(shù)據(jù)損失;
20、對(duì)數(shù)據(jù)損失和物理?yè)p失進(jìn)行加權(quán)求和構(gòu)建得到損失函數(shù);
21、根據(jù)損失函數(shù),通過(guò)反向傳播算法和預(yù)設(shè)的優(yōu)化器對(duì)神經(jīng)網(wǎng)絡(luò)架構(gòu)的模型參數(shù)進(jìn)行優(yōu)化調(diào)整;
22、基于優(yōu)化調(diào)整后的神經(jīng)網(wǎng)絡(luò)架構(gòu),通過(guò)驗(yàn)證集得到驗(yàn)證集損失;
23、將迭代次數(shù)加1,返回執(zhí)行將訓(xùn)練集中每個(gè)海底樣本對(duì)應(yīng)的物理參數(shù)和環(huán)境參數(shù)作為輸入數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)架構(gòu)處理得到聲學(xué)特性預(yù)測(cè)值的步驟,直至連續(xù)預(yù)設(shè)輪次的驗(yàn)證集損失符合預(yù)設(shè)條件,或者,迭代次數(shù)達(dá)到預(yù)設(shè)最大訓(xùn)練輪次,將最后一次優(yōu)化調(diào)整后的神經(jīng)網(wǎng)絡(luò)架構(gòu)作為物理信息神經(jīng)網(wǎng)絡(luò)。
24、可選地,方法包括以下步驟:
25、根據(jù)物理參數(shù)和環(huán)境參數(shù)的預(yù)設(shè)統(tǒng)計(jì)范圍值確定約束邊界條件;
26、基于約束邊界條件對(duì)海底樣本數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行篩選處理。
27、可選地,方法還包括以下步驟:
28、基于海底底質(zhì)的本構(gòu)方程確定本構(gòu)關(guān)系涉及的孔隙流體壓力;
29、基于孔隙流體壓力,通過(guò)固體波動(dòng)方程和流體波動(dòng)方程互相耦合得到波動(dòng)方程。
30、可選地,方法還包括以下步驟:
31、利用測(cè)試集對(duì)物理信息神經(jīng)網(wǎng)絡(luò)進(jìn)行模型評(píng)估操作,得到模型評(píng)估結(jié)果。
32、另一方面,本發(fā)明實(shí)施例提供了一種基于物理神經(jīng)網(wǎng)絡(luò)的海底底質(zhì)聲學(xué)特性預(yù)測(cè)系統(tǒng),包括:
33、第一模塊,用于獲取目標(biāo)海域的海底樣本;
34、第二模塊,用于根據(jù)海底樣本測(cè)量得到海底樣本數(shù)據(jù)集;海底樣本數(shù)據(jù)集包括每個(gè)海底樣本對(duì)應(yīng)的聲學(xué)特性參數(shù)、物理參數(shù)和環(huán)境參數(shù);
35、第三模塊,用于基于海底樣本數(shù)據(jù)集對(duì)預(yù)構(gòu)建的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行訓(xùn)練,進(jìn)而利用損失函數(shù)優(yōu)化構(gòu)建得到物理信息神經(jīng)網(wǎng)絡(luò);其中,損失函數(shù)的約束包括波動(dòng)方程的信息;
36、第四模塊,用于基于待預(yù)測(cè)海底底質(zhì)的物理參數(shù)和環(huán)境參數(shù),利用物理信息神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到待預(yù)測(cè)海底底質(zhì)的聲學(xué)特性參數(shù)。
37、可選地,系統(tǒng)還包括:
38、第五模塊,用于根據(jù)物理參數(shù)和環(huán)境參數(shù)的預(yù)設(shè)統(tǒng)計(jì)范圍值確定約束邊界條件;
39、第六模塊,用于基于約束邊界條件對(duì)海底樣本數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行篩選處理。
40、可選地,系統(tǒng)還包括:
41、第七模塊,用于基于海底底質(zhì)的本構(gòu)方程確定本構(gòu)關(guān)系涉及的孔隙流體壓力;
42、第八模塊,用于基于孔隙流體壓力,通過(guò)固體波動(dòng)方程和流體波動(dòng)方程互相耦合得到波動(dòng)方程。
43、可選地,系統(tǒng)還包括:
44、第九模塊,用于利用測(cè)試集對(duì)物理信息神經(jīng)網(wǎng)絡(luò)進(jìn)行模型評(píng)估操作,得到模型評(píng)估結(jié)果。
45、另一方面,本發(fā)明實(shí)施例提供了一種電子設(shè)備,包括:處理器以及存儲(chǔ)器;存儲(chǔ)器用于存儲(chǔ)程序;處理器執(zhí)行程序?qū)崿F(xiàn)上述基于物理神經(jīng)網(wǎng)絡(luò)的海底底質(zhì)聲學(xué)特性預(yù)測(cè)方法。
46、另一方面,本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)存儲(chǔ)介質(zhì),其中存儲(chǔ)有處理器可執(zhí)行的程序,處理器可執(zhí)行的程序在由處理器執(zhí)行時(shí)用于實(shí)現(xiàn)上述基于物理神經(jīng)網(wǎng)絡(luò)的海底底質(zhì)聲學(xué)特性預(yù)測(cè)方法。
47、本發(fā)明實(shí)施例通過(guò)獲取目標(biāo)海域的海底樣本;根據(jù)海底樣本測(cè)量得到海底樣本數(shù)據(jù)集;海底樣本數(shù)據(jù)集包括每個(gè)海底樣本對(duì)應(yīng)的聲學(xué)特性參數(shù)、物理參數(shù)和環(huán)境參數(shù);基于海底樣本數(shù)據(jù)集對(duì)預(yù)構(gòu)建的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行訓(xùn)練,進(jìn)而利用損失函數(shù)優(yōu)化構(gòu)建得到物理信息神經(jīng)網(wǎng)絡(luò);其中,損失函數(shù)的約束包括波動(dòng)方程的信息;基于待預(yù)測(cè)海底底質(zhì)的物理參數(shù)和環(huán)境參數(shù),利用物理信息神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)得到待預(yù)測(cè)海底底質(zhì)的聲學(xué)特性參數(shù)。本發(fā)明包括有益效果:本發(fā)明通過(guò)將底質(zhì)聲學(xué)特性的波動(dòng)方程代入到物理信息神經(jīng)網(wǎng)絡(luò)中,結(jié)合海底底質(zhì)的約束條件,構(gòu)建一種基于物理神經(jīng)網(wǎng)絡(luò)的海底底質(zhì)聲學(xué)特性預(yù)測(cè)方法,從而能夠準(zhǔn)確實(shí)現(xiàn)底質(zhì)聲學(xué)特性預(yù)測(cè)。