基于人工神經網絡的海底細粒土工程分類研究

作者：杜星,孫永福,宋玉鵬,張牧子

摘要：海洋沉積物工程定名對于開展海洋工程建設具有重要作用,然而海底粉土和黏性土的定名受人為因素影響容易產生誤差。使用人工神經網絡的方法對黃河口埕島海域284組細粒土數據進行了訓練和學習,得到了只利用沉積物粒徑質量分數進行定名的方法。結果表明,使用人工神經網絡的方法能夠有效地對沉積物進行工程定名。當網絡含有5個輸入層節點、9個隱藏層節點、3個輸出層節點、訓練函數為Scaled conjugate gradient時定名準確率最高,檢驗準確率高達97.7%。訓練數據的數量是造成神經網絡預測存在誤差的重要因素,隨著數據量的增加,網絡的可靠性和通用程度將越來越高。

發文機構：自然資源部第一海洋研究所 青島海洋科學與技術試點國家實驗室海洋地質過程與環境功能實驗室 國家深海基地管理中心

關鍵詞：人工神經網絡工程定名海底細粒土黃河口粉土artificial neural networkengineering namingseabed fine-grained soilYellow River Estuary silt

分類號： P736.2[天文地球—海洋地質]