基于朴素贝叶斯算法的海底土类型自动识别方法

1.本发明涉及海洋工程、海洋测绘、海洋石油勘探与开发、海洋调查等技术领域，具体涉及一种基于朴素贝叶斯算法的海底土类型自动识别方法。


背景技术：

2.海底土质类型及特征是海洋工程、海洋普查、海洋石油勘探与开发的重要内容之一，是海洋石油开采、海上风电施工的重要参考指标，充分了解海底土类型及特征是开采海洋资源的前提。
3.通过静力触探试验(简称cpt)，可获取静力触探探头接触海底土质后反馈的信号，包括锥端阻力、侧壁摩擦力与孔隙水压三种属性的数据，从而反映测量点土质属性相关信息。常用以上三种属性中的某两种绘制土性分类图版，作为划分土性的分类依据；进一步，通过公式推导，对该三种属性进行修正，提出了归一化属性特征，并将其应用于土性分类中。相较于原始的三种属性，采用修正后及归一化的属性数据进行土性分类研究，消除了探测设备及土层所在深度对土性分类的影响，数据结构及分布更加合理。
4.传统的土性分类工作，一般基于土质属性数据，结合分类图版提供的划分准则，由人工进行判别。近年来，利用机器学习实现土性自动分类方法也逐步开展了研究。基于上述土质属性数据组成训练数据集，利用算法训练得到机器学习模型，从而实现土质岩性的自动识别。这类方法具有操作简单、工作效率高等优势，可实现海底土类型在线、实时、自动预测。
5.虽然目前已有一些土质分类方法的研究，但是此类研究大多集中在陆地土质类型识别领域，对于海底土类型识别的研究鲜少涉及。同时，目前已有的方法中，其算法简洁性、分类准确性等性能仍有待提升。


技术实现要素：

6.本发明的目的是利用cpt数据自动识别海底土类型。本发明具有方法简单、计算量小、实时性好、节约人力、易于实现等优点。适用于海底土质类型的自动识别。
7.本发明包括如下步骤：
8.(1)cpt数据采集：
9.通过静力触探试验，得到锥端阻力qc、侧壁摩擦力fs、孔隙水压力u2(单位：mpa)、探测点贯入深度d(单位：m)；
10.(2)计算属性特征：
11.根据计算得到孔压参数比bq，根据计算得到归一化锥端阻力q
t
，根据计算得到归一化摩阻比fr，其中，δu＝u
2-γw×
d为超孔隙水压力，γw为海水或泥浆的容重；q
t
＝qc+(1+α)u2为修正锥端阻力，α为锥头规格；σ'
vo
＝γ'
×d为有效上覆压力，γ'为上覆土层的平均有效容重，γw、γ'根据区域特点由人工设置，α为cpt设备参数，根据cpt设备确定；
12.(3)计算q
t
波动特征：
13.对q
t
进行均值滤波，得到滤波后的归一化锥端阻力q
t
'，再根据δq
t
＝|q
t-q
t
'|计算得到归一化锥端阻力偏差δq
t
，若δq
t_j
＜0.5，则δq
t_j
＝δq
t_j-1
，其中，δq
t_j-1
和δq
t_j
分别为贯入深度为j-1和j处的归一化锥端阻力偏差，j＝2,3，
…
n，n为最大贯入深度；
14.(4)特征参数滤波：
15.对bq、q
t
、fr、δq
t
进行滑动中值滤波，滤波窗口宽度为w1，w1为奇数；
16.(5)利用贝叶斯分类器识别海底土类型：
17.根据计算得到特征参数xk对应于第i种土质类型的估计条件概率gi(xk)，根据计算得到待识别点处的土质属于第i种土质类型的概率，max{gpi}对应的i为待识别点的土质类型，其中，pi为第i种土质类型的先验概率，根据训练集数据离线确定；μi和σi分别为训练集中第i种土质类型对应的特征参数xk的平均值和标准差，根据训练集数据离线确定；k＝1,2,...,4，x1、x2、x3、x4分别为bq、q
t
、fr、δq
t
在待识别点的取值；i表示土质类型号，i＝1,2,...,8。
附图说明
18.图1为cpt-02-01号井qc、fs、u2随贯入深度变化图；
19.图2为cpt-02-01号井bq、q
t
、fr随贯入深度变化图；
20.图3为cpt-02-01号井归一化锥端阻力偏差随贯入深度变化图；
21.图4为cpt-02-01号井特征参数中值滤波前曲线图；
22.图5为cpt-02-01号井特征参数中值滤波后曲线图；
23.图6为训练数据集中各土质类型的先验概率、特征参数的均值和标准差；
24.图7为cpt-02-01号井土质自动识别结果与人工分类结果对比图；
具体实施方式
25.本实施例根据静力触探试验获得的基础数据，计算得到孔压参数比、归一化锥端阻力、归一化摩阻比、归一化锥端阻力偏差，采用朴素贝叶斯方法，实现海底土类型的自动识别。
26.具体步骤如下：
27.(1)cpt数据采集：
28.通过静力触探试验，得到锥端阻力qc、侧壁摩擦力fs、孔隙水压力u2(单位：mpa)、探测点贯入深度d(单位：m)；
29.在本实施例中，以我国某海域的cpt-02-01号井为例，采集的qc、fs、u2随贯入深度d的变化曲线如图1所示。
30.(2)计算属性特征：
31.根据计算得到孔压参数比bq，根据计算得到归一化锥端阻力q
t
，根据计算得到归一化摩阻比fr，其中，δu＝u
2-γw×
d为超孔隙水压力，γw为海水或泥浆的容重；q
t
＝qc+(1+α)u2为修正锥端阻力，α为锥头规格；σ'
vo
＝γ'
×
d为有效上覆压力，γ'为上覆土层的平均有效容重，γw、γ'根据区域特点由人工设置，α为cpt设备参数，根据cpt设备确定；
32.在本实施例中，α＝0.75，γw＝10.05kn/m3，γ'＝0.01mn/m3，计算cpt-02-01井的bq、q
t
、fr属性特征，bq、q
t
、fr随贯入深度的变化如图2所示。
33.(3)计算q
t
波动特征：
34.对q
t
进行均值滤波，得到滤波后的归一化锥端阻力q
t
'，再根据δq
t
＝|q
t-q
t
'|计算得到归一化锥端阻力偏差δq
t
，若δq
t_j
＜0.5，则δq
t_j
＝δq
t_j-1
，其中，δq
t_j-1
和δq
t_j
分别为贯入深度为j-1和j处的归一化锥端阻力偏差，j＝2,3，
…
n，n为最大贯入深度；
35.在本实施例中，均值滤波的窗口宽度为30，计算cpt-02-01号井的归一化锥端阻力偏差δq
t
，δq
t
随贯入深度的变化如图3所示。
36.(4)特征参数滤波：
37.对bq、q
t
、fr、δq
t
进行滑动中值滤波，滤波窗口宽度为w1，w1为奇数；
38.在本实施例中，w1＝31，分别对cpt-02-01号井的特征参数bq、q
t
、fr、δq
t
进行滑动中值滤波，滤波前后的特征参数随贯入深度的变化曲线如图4、图5所示。
39.(5)利用贝叶斯分类器识别海底土类型：
40.根据计算得到特征参数xk对应于第i种土质类型的估计条件概率gi(xk)，根据计算得到待识别点处的土质属于第i种土质类型的概率，max{gpi}对应的i为待识别点的土质类型，其中，pi为第i种土质类型的先验概率，根据训练集数据离线确定；μi和σi分别为训练集中第i种土质类型对应的特征参数xk的平均值和标准差，根据训练集数据离线确定；k＝1,2,...,4，x1、x2、x3、x4分别为bq、q
t
、fr、δq
t
在待识别点的取值；i表示土质类型号，i＝1,2,...,8。
41.在本实施例中，在我国某海域采集数据总数n＝34090。训练数据集为规模4102
×
5的矩阵，矩阵的前4列为特征参数bq、q
t
、fr、δq
t
，从cpt设备采集的全部数据中随机抽取获得，矩阵的第5列为前4列数据对应的土质类型号，在实验室分析得到。训练数据集中第i种土质类型的数据量为ni为采集的总数据体中第i种土质类型的数据量，i＝1,2,...,8，其中，1为粘土，2为粉土，3为细砂，4为粉质粘土，5为粉砂，6为砂质粉土，7为砂质粘土，8为粘质砂。
42.根据训练数据集确定第i种土质类型的μi和σi，根据计算得到第i种土质类型的先验概率，具体数值如图6所示。
43.cpt-02-01号井的海底土类型识别结果如图7所示，用时0.104秒，识别准确率为90.49％。

技术特征：
1.一种基于朴素贝叶斯算法的海底土类型自动识别方法，其特征在于，包括下列步骤：(1)cpt数据采集：通过静力触探试验，得到锥端阻力q
c
、侧壁摩擦力f
s
、孔隙水压力u2(单位：mpa)、探测点贯入深度d(单位：m)；(2)计算属性特征：根据计算得到孔压参数比b
q
，根据计算得到归一化锥端阻力q
t
，根据计算得到归一化摩阻比f
r
，其中，δu＝u2-γ
w
×
d为超孔隙水压力，γ
w
为海水或泥浆的容重；q
t
＝q
c
+(1+α)u2为修正锥端阻力，α为锥头规格；σ'
vo
＝γ'
×
d为有效上覆压力，γ'为上覆土层的平均有效容重，γ
w
、γ'根据区域特点由人工设置，α为cpt设备参数，根据cpt设备确定；(3)计算q
t
波动特征：对q
t
进行均值滤波，得到滤波后的归一化锥端阻力q
t
'，再根据δq
t
＝|q
t-q
t
'|计算得到归一化锥端阻力偏差δq
t
，若δq
t_j
＜0.5，则δq
t_j
＝δq
t_j-1
，其中，δq
t_j-1
和δq
t_j
分别为贯入深度为j-1和j处的归一化锥端阻力偏差，j＝2,3，
…
n，n为最大贯入深度；(4)特征参数滤波：对b
q
、q
t
、f
r
、δq
t
进行滑动中值滤波，滤波窗口宽度为w1，w1为奇数；(5)利用贝叶斯分类器识别海底土类型：根据计算得到特征参数x
k
对应于第i种土质类型的估计条件概率g
i
(x
k
)，根据计算得到待识别点处的土质属于第i种土质类型的概率，max{gp
i
}对应的i为待识别点的土质类型，其中，p
i
为第i种土质类型的先验概率，根据训练集数据离线确定；μ
i
和σ
i
分别为训练集中第i种土质类型对应的特征参数x
k
的平均值和标准差，根据训练集数据离线确定；k＝1,2,...,4，x1、x2、x3、x4分别为b
q
、q
t
、f
r
、δq
t
在待识别点的取值；i表示土质类型号，i＝1,2,...,8。

技术总结
本发明公开了一种基于朴素贝叶斯算法的海底土类型自动识别方法。包括如下基本步骤：1)CPT数据采集；2)计算属性特征；3)计算归一化锥端阻力的波动特征；4)特征参数滤波；5)利用贝叶斯分类器识别海底土类型。本发明具有方法简单、计算量小、实时性好、节约人力、易于实现等优点。适用于海底土质类型的自动识别。适用于海底土质类型的自动识别。适用于海底土质类型的自动识别。


技术研发人员：王微微 乔文洵 王大伟 韩梦璇 史文怡
受保护的技术使用者：中国科学院深海科学与工程研究所
技术研发日：2023.04.25
技术公布日：2023/7/21