陈文景
- 作品数：2 被引量：13H指数：2
- 供职机构：中国科学院海洋研究所更多>>
- 发文基金：国家公益性行业科研专项国家自然科学基金更多>>
- 相关领域：理学天文地球更多>>
- 基于Buckingham模型和Biot-Stoll模型的南沙海域沉积物声速分布特征被引量：10
- 2016年
- 为了选择合理的南海南部海底沉积物的声速反演模型,分别利用Wood方程、Buckingham模型、Biot-Stoll模型等声波传播理论模型计算了沉积物的纵波声速,结合沉积物实测声速和物理参数等,对比了模型计算声速与实测声速的变化特征。声速实测值与模型计算值的对比表明,Buckingham模型计算值与实测值的平均偏差最小。研究区实测声速比和模型计算声速比的分布表明,声速的变化特征与沉积环境具有相关性,声速模型计算值与实测值具有相似的变化特征;模型计算声速与实测声速的垂向变化规律不相同,模型计算声速随深度基本不变,而实测声速在陆架、陆坡和海槽等沉积环境中呈现出多种垂向分布特征。研究结果认为,侧重于沉积物孔隙性的Biot-Stoll理论仅适用于陆架区粗颗粒沉积物,兼具流体和弹性固体双重性质的Buckingham理论具有更广的适用范围。该研究对获取南海南部海域沉积物声速分布特征有重要意义,可为多波束测深或浅地层精细解释等提供基础资料。
- 王景强郭常升刘保华陈文景侯正瑜韩国忠
- 关键词：海底沉积物
- 基于遗传BP神经网络的海底沉积物声速预报被引量：3
- 2016年
- 在海底沉积物声速预报中,针对传统经验公式存在预测精度差、适用范围窄、缺乏物理意义等问题,在已有BP神经网络预测的基础上,运用遗传算法优化其初始权值和阈值的方法,构建出基于含水量、孔隙度的声速预报模型。将南沙海域采集得到的海底沉积物样品分为两部分,抽取120组涵盖陆架、陆坡、海槽等地貌单元的样品作为训练数据,另外剩余6组作为测试数据。经试验对比后发现,在对本区域进行声速预报时,宜采用遗传算法优化的BP神经网络,其要优于传统的单参数、双参数回归拟合预报方法和国内外其他学者所得到的经验公式。此种预报方法具有一定的科学依据和广泛的应用前景,可在今后为建立明确、统一的声速预报模型提供参考。
- 陈文景郭常升王景强侯正瑜
- 关键词：遗传算法BP神经网络海底沉积物
