[发明专利]一种高精度海底底质沉积物声速预测方法

权利要求书

1.一种高精度海底底质沉积物声速预测方法，其特征在于：包括以下步骤：

步骤1、采集沉积物柱状样品并测量声学参数

利用重力取样器或者箱式采样器采集得到海洋底质沉积物柱状样品，在实验室标准状态一个大气压，22℃下开始声学参数测量，实验室样品声特性测量方法采用声透射法，声透射法是测量声波通过一定固定距离的沉积物的传播时间以确定其声速，并测量该距离上声能的衰减，确定其衰减系数，采用WSD-2数字声波仪构建的声学测量平台进行测量，具体操作流程如下：

在实验室中测量声学特性时，首先利用游标卡尺对样品进行长度测量，获取珊瑚礁岩芯的长度L，然后将珊瑚礁岩芯柱状样品放在声学测量平台上固定好，基于旅行时间法TOF和声投射法测量获取声波在样品中的传播时间结合样品长度计算声速V，如式(1)：

式中，L1为样品的长度，t为通过样品的传播时间，t_s为测试系统的声波传播迟滞时间，测量完成后，将测量数据保存在电脑上，同时填写好实验记录表；

声衰减系数测量开始时，将上面测试用的珊瑚礁样品从测量平台上拿下，然后用切割机将珊瑚礁岩芯切割成两份，基于同轴差距衰减测量法测量样品全长状态和分段状态的声波传播能量差及传播路径长度差计算声衰减系数α，声波传播能量差用测量声压表示，如式(2)，

式中，A1、A2分别为整段样品和分段样品的声波传播声压，d＝L1-L2，L2为切下来用于测试的样品长度，测量得到的原始数据以DAT或者TXT格式保存，处理后的声学数据以excel表格或者word文档的形式保存在电脑上；

测试过程中，声速数据质量控制：测量误差优于±5％，测量参数：声速V、声衰减系数α，辅助参数：海水声速、水深、海水温度、实验室测量温度；

步骤2、物理参数测量

声学特性测量完成后，对底质沉积物样品按2cm间隔取样品以便进行沉积物孔隙度和粒径分布的测量，孔隙度采用重量损失法测量，即测量样品在105°温度下烘干24h后的重量损失，并进行残余盐分校正，颗粒密度采用比重计法测量，沉积物体密度由测量的孔隙度、孔隙水密度和沉积物颗粒密度来计算，沉积物粒径测量时，不同于传统的处理方法，样品不需要去掉有机质和碳酸盐，采用筛析法和Malvern Mastersizer 2000激光粒度仪测试样品的全样粒度，获得平均粒径、中值粒径、颗粒组分含量数据；

步骤2、运用随机森林算法建立沉积物声速预测模型

沉积物的声速受多种参数影响，包括孔隙度、密度、粒度、颗粒组分含量、水深、地形参数，为了综合考虑各种因素对沉积物声速的影响，从而提高沉积物声速的预测精度，利用沉积物柱状样品的物理和声学特性参数，其中，物理特性参数包括孔隙度、密度、粒度、颗粒组分含量，声学特性参数包括声速、声衰减系数、声阻抗，运用随机森林random forest算法，根据已有的数据进行深度学习，分析多个特征量之间的相互关系，建立了沉积物声速预测模型，与传统的声速经验方程相比，该模型可以提高沉积物声速预测精度，还可以根据用户的需求，将其他数据导入到模型中，包括经纬度，水深，地形数据导入到模型中，该模型可以对导入的数据进行重新训练，从而完成模型的“进化”，进一步提高预测精度；

具体地，将测量得到的物理参数数据、样品测量环境数据、采集站位数据整合成一个数据库，该数据库是模型建立的训练集，而测量得到的声学参数数据作为测试集，利用随机森林算法对输入的训练集进行训练，建立多个决策树，然后将这些决策树整合在一起从而获得更加稳定的输出，最终得到沉积物声速预测模型，该方法建立的模型是基于实测数据库的，因此，数据库的质量能够决定声速预测值的精度，而且随着数据库的壮大，建立的模型精度会不断的提高；

步骤4、声速预测

在实际运用过程中，只需要在电脑上输入相关参数，包括物理参数数据、样品测量环境数据、采集站位数据，就可以直接得到高精度的声速预测值；

具体地，海底底质沉积物声速预测方法，基于实测数据库和随机森林算法建立声速预测模型，该模型可以利用沉积物的物理参数、环境参数，将各种参数输入到模型中，即可给出海底底质沉积物的声速值，随机森林算法能够对众多的特征量进行分析，根据已有的数据进行深度学习，分析多个特征量之间的相互关系，深度挖掘数据，从而对目标沉积物的特征声速进行预测，提高预测精度，而且根据随机森林算法建立的预测模型不仅可以在特征参数缺省的条件下进行准确预测，而且该模型是一个可“进化”的模型，在后期可以再次加入特征参数重新进行训练，从而进一步的优化模型，提高预测精度。