基于人工神经网络的海底细粒土工程分类研究

作者：杜星,孙永福,宋玉鹏,张牧子

摘要：海洋沉积物工程定名对于开展海洋工程建设具有重要作用,然而海底粉土和黏性土的定名受人为因素影响容易产生误差。使用人工神经网络的方法对黄河口埕岛海域284组细粒土数据进行了训练和学习,得到了只利用沉积物粒径质量分数进行定名的方法。结果表明,使用人工神经网络的方法能够有效地对沉积物进行工程定名。当网络含有5个输入层节点、9个隐藏层节点、3个输出层节点、训练函数为Scaled conjugate gradient时定名准确率最高,检验准确率高达97.7%。训练数据的数量是造成神经网络预测存在误差的重要因素,随着数据量的增加,网络的可靠性和通用程度将越来越高。

发文机构：自然资源部第一海洋研究所 青岛海洋科学与技术试点国家实验室海洋地质过程与环境功能实验室 国家深海基地管理中心

关键词：人工神经网络工程定名海底细粒土黄河口粉土artificial neural networkengineering namingseabed fine-grained soilYellow River Estuary silt

分类号： P736.2[天文地球—海洋地质]