[发明专利]基于人工神经网络的海底细粒土工程分类定名分析方法

说明书

本发明公开一种基于人工神经网络的海底细粒土工程分类定名分析方法，包括以下步骤：1)获取海底沉积物工程分类数据，所述分类数据包括区域内已经具有的基于岩土工程勘察规范的沉积物工程分类定名数据；2)基于1)中获取的数据构建并训练海底沉积物工程分类神经网络模型；3)获得拟分类沉积物粒度数据输入神经网络模型实现海底沉积物工程分类分析；该分析方法操作简单，只依靠沉积物粒度数据即可实现工程定名分析；同时，可有效提高现有沉积分类数据的利用率和沉积物颗粒含量定名的准确率，大幅度地减小测量塑性指数时的人为操作误差、降低工程定名的复杂程度，也使建立的定名关系更为准确和科学，为海洋工程设施的建设以及科研提供重要的基础支撑和依据。

技术领域

本发明涉及沉积物分析技术领域，具体涉及一种基于人工神经网络的海底细粒土工程分类定名分析方法。

背景技术

海洋沉积物工程分类定名是海洋工程地质研究的基础，无论对海洋工程设施的建设还是科研领域的研究都有着重要作用。海洋工程地质领域需要通过对沉积物定名来初步判断其物理力学性质，继而结合地球物理调查和钻探等手段对岩土体进行全面评价，为工程设施的选址、设计和施工提供基础支撑和保障。

目前，海洋沉积物的常用沉积定名方法主要有Shepard分类法和Folk分类法，分别通过沉积物各颗粒组分间的含量和比例关系进行定名，如申请公布号为【CN108872032A】的发明专利公开一种沉积物粒度数据处理方法，通过对导入的沉积物粒度和站位数据进行解析和匹配，形成二维关系数据表；然后对沉积物粒度数据进行筛选和校正；根据沉积物粒度参数计算方法(图解法和矩法)和分类方法(Shepard分类和Folk分类)建立粒度参数和分类算法模型，实现参数自动计算和沉积物定名，沉积分类方法对沉积物类型划分较为细致，能够一定程度上反映沉积过程中沉积动力学的变化，是沉积环境的指示标志，区域分布也可以反映沉积物的来源方向。

虽然碎石土和砂土可以方便地通过颗粒形状和颗粒级配进行定名，但是粉土和黏性土的工程定名需要利用塑性指数，而塑性指数的大小受到与黏粒质量分数、蒙脱石矿物和土体结合水质量分数等因素共同作用的影响，当同一地区其他因素影响较小时黏粒质量分数占到主要作用，测定手段相对颗粒分析较为复杂且容易产生人为误差。另外，现有沉积物工程分类数据主要集中于近岸工程区域，远岸海域资料较少，随着“海洋强国”战略的稳步实施，全球各大海域都被纳入了国家海洋研究的范围。因此，寻求简便、高效的海洋沉积物工程分类分析方法，既可以提高工程定名的效率和质量，也可以实现沉积分类数据向工程分类的转化。

文献“埕岛油田海域沉积物沉积分类向工程分类的转化研究(海洋科学进展.2016，34(1): 121-128)”，通过对大量粉土、黏性土样品进行统计，根据人为目测总结规律提出了海洋沉积物工程分类黏粒界限法，然而，通过整理数据人为地对黏粒质量分数划定的方法主观因素影响较大，二者并不能够根据两个人为划分的界限准确地分开。为了更科学、客观地建立黏粒质量分数和沉积物工程定名的关系，本发明采用人工神经网络的方法，基于沉积物粒度数据进行训练并得出海洋细粒土工程分类定名神经网络，进而实现对沉积物工程分类定名的分析。

发明内容

本发明针对海底粉土和黏性土的定名受人为因素影响容易产生误差等缺陷，提出一种基于人工神经网络的海底细粒土工程分类定名分析方法，根据沉积物粒度数据实现工程定名分析，不需要测定塑性指数，能够有效提高现有沉积分类数据的利用率及沉积物颗粒含量定名的准确率，大幅度地减小测量塑性指数塑性指数时的人为操作误差、降低工程定名的复杂程度。

本发明是采用以下的技术方案实现的：一种基于人工神经网络的海底细粒土工程分类定名分析方法，包括以下步骤：

步骤A、获取海底沉积物工程分类数据，所述分类数据包括待分类区域内已经具有的基于岩土工程勘察规范的沉积物工程分类定名数据；

步骤B、基于步骤A获取的数据构建并训练海底沉积物工程分类神经网络：