×
萨蒂亚纳亚拉亚纳·叶吉雷迪;阿文德·库马尔

基于自适应神经模糊推理系统的地声反演。 （英语） Zbl 1154.86306号

计算。地质科学。 12，第4号，513-523（2008）.
摘要：地声参数是水声传播研究和地声建模的重要输入。常规反演技术通常用作从声波或地震数据中提取地声参数的间接方法，计算量大且耗时。在本研究中，我们试图在反演研究中利用软计算技术的优势，如模糊逻辑的推理能力和神经网络的学习能力。基于组合方法的自适应神经模糊推理系统（ANFIS）网络模型在声学数据反演中具有很好的应用前景。一旦建立了网络模型，它就能够即时转换数千个数据集，达到相当好的精度。在传统方法的情况下，需要使用每个新数据集重复整个反演过程。有限数量的传感器数据足以模拟网络模型，并为使用短水听器阵列数据提供了优势。对代表不同地球声学环境的数百个测试数据集的反演结果表明，对于三层地球声学模型，对第一层密度、压缩声速、厚度和衰减的预测误差分别小于0.01 g/cc、10 m/s、10 m和0.1。然而，第二层和第三层参数的误差相对较大，需要改进。该模型高效、稳健且价格低廉。

MSC公司：

86A22型 地球物理学中的反问题
92B20型 生物研究、人工生命和相关主题中的神经网络

关键词：

地声反演;地声参数;自适应神经模糊推理系统;神经网络;模糊逻辑;海底;声学数据;声传播;正常模式

软件：

ANFIS公司;模糊逻辑工具箱;Matlab语言
PDF格式BibTeX公司 XML格式引用
\textit{S.Yegireddi}和\textit{A.Kumar}，计算。地质科学。12，第4号，513--523（2008；Zbl 1154.86306）
全文： 内政部

参考文献：

[1] Tolstoy，A.：水下声学匹配场处理。《世界科学》，伦敦（1993）·Zbl 0782.76004号
[2] 托尔斯泰，A.：使用匹配场处理，从地中海拍摄的照片数据中估计浅水底部特性。IEEE海洋工程21、471–479（1996）·doi:10.1009/48.544058
[3] Banchs，R.，Michelena，R.：从3D地震属性到使用神经网络的伪测井体积：实际考虑。领先优势。21, 996–1001 (2002) ·doi:10.1190/1.1518436
[4] Bezdek，J.C.：模糊目标函数算法的模式识别。纽约全体会议（1981年）·Zbl 0503.68069号
[5] Lindsay，C.E.，Chapman，R.N.：使用自适应模拟退火进行地声模型参数的匹配场反演。IEEE海洋。工程18、224–231（1993）·doi:10.1109/JOE.1993.236360
[6] Chiu，S.：基于聚类估计的模糊模型识别。J.智力。模糊系统。2(3), 267–278 (1994)
[7] Dosso，S.E.、Yeremy，M.L.、Ozard，J.M.、Chapman，N.R.：通过声场数据的匹配场反演估算海底属性。IEEE海洋工程18、232–239（1993）·doi:10.1109/JOE.1993.236361
[8] Dunn，J.C.：ISODATA过程的模糊关系及其在检测紧密且分离良好的簇中的应用。J.Cybern。3, 32–57 (1973) ·Zbl 0291.68033号 ·网址：10.1080/01969727308546046
[9] Haykin，S.：《神经网络：综合基础》。美国纽约麦克米利安学院（1994年）·Zbl 0828.68103号
[10] Hayashi，Y.，Buckley，J.J.，Czogala，E.：具有模糊信号和权重的模糊神经网络。《国际情报杂志》。系统。8(4), 527–537 (1993) ·Zbl 0938.68787号 ·doi:10.1002/int.4550080405
[11] Höppner，F.、Klawonn，F.，Kruse，R.、Runkler，T.：模糊聚类分析，分类、数据分析和图像识别方法，第33-75页。威利，纽约（1999）·Zbl 0944.65009号
[12] Jang，J.S.R.：ANFIS：基于自适应网络的模糊推理系统。IEEE传输。系统。人类网络。23(3), 665–685 (1993) ·数字对象标识代码：10.1109/21.256541
[13] Jang，J.S.R.，Sun，C.T.，Mizutani，E.：神经模糊和软计算：学习和机器智能的计算方法。普伦蒂斯·霍尔，上鞍河，新泽西州，美国（1997）
[14] Ozard，J.M.、Yermy，M.L.、Chapman，N.R.、Wilmut，M.J.：北太平洋范围相关浅水环境的匹配现场处理。IEEE海洋工程21、377–383（1996）·doi:10.1009/48.544048
[15] Kandel，A.：模糊专家系统。佛罗里达州博卡拉顿：CRC出版社（1992）
[16] 坎德尔，A.：模糊专家系统。马萨诸塞州雷丁：Addition-Wesley（1988）·Zbl 0651.68008号
[17] 数学作品：MATLAB技术计算语言，MATLAB模糊逻辑工具箱，用户指南。MathWorks，纽约（2002）
[18] 数学作品：技术计算语言MATLAB，MATLAB统计工具箱。MathWorks，纽约（2003）
[19] Nikravesh，M.，Aminzadeh，F.：过去、现在和未来智能油藏特征趋势。J.宠物。科学。工程31、67–79（2001）·doi:10.1016/S0920-4105（01）00121-8
[20] Nikravesh，M.：基于软计算的油藏描述计算智能。专家系统。申请。26, 19–38 (2004) ·Zbl 1086.68642号 ·doi:10.1016/S0957-4174（03）00119-2
[21] Pal，K.，Mitra，S.：多层感知器，模糊集和分类。IEEE传输。神经网络。3(5), 683–697 (1992) ·数字对象标识代码：10.1109/72.159058
[22] Pedryez，W.：模糊控制和模糊系统。威利，纽约（1989）
[23] Pedryez，W.：部分监督下的模糊聚类。IEEE传输。系统。人类网络。，B部分，Cybern。27(5), 787–795 (1997) ·doi:10.1109/3477.623232
[24] M.B.波特：《卡拉肯正常模式程序手册》。SACLANT海底研究中心（1995年）
[25] Poulton，M.M.：神经网络作为智能放大工具：应用综述。地球物理学67（3），979–993（2002）·doi:10.1190/1.1484539
[26] Poulton，M.M.、Sternberg，B.K.、Glass，C.R.：使用神经网络在地球物理数据中定位地下目标。地球物理学57（12），1534–1544（1992）·doi:10.190/1.1443221
[27] Chapman，R.N.，Lindsay，C.E.：浅水中地声模型参数的匹配场反演。IEEE海洋工程21，347–353（1996）·doi:10.1009/48.544045
[28] Russo，F.：用于图像数据中噪声消除的进化神经模糊系统。IEEE传输。仪器。测量。48(5), 915–920 (1999) ·数字对象标识代码：10.1109/19.799647
[29] Sugeno，M.：编辑，《工业应用与模糊控制》。Elsevier，纽约（1985）·Zbl 0586.93053号
[30] Takagi，H.，Sugeno，M.：系统的模糊识别及其在建模和控制中的应用。IEEE传输。系统。人类网络。15(1), 116–132 (1985) ·Zbl 0576.93021号
[31] Takagi，H.，Hayashi，I.：NN驱动的模糊推理。国际期刊近似原因。5(3), 191–212 (1991) ·Zbl 0733.68074号 ·doi:10.1016/0888-613X（91）90008-A
[32] Van der Ban，M.，Jutten，C.：地球物理应用中的神经工程。地球物理学65（4），1032–1047（2000）·数字对象标识代码：10.1190/1.1444797
[33] Zadeh，L.：模糊集。信息控制8（3），338–353（1965）·Zbl 0139.24606号 ·doi:10.1016/S0019-9958（65）90241-X
[34] Zhang，D.，Wang，Z.：使用模糊技术检测和去除脉冲噪声。电子。莱特。33(5), 378–379 (1997) ·doi:10.1049/el:19970257
[35] Hamilton，E.L.，Bachman，R.T.：海洋沉积物的声速和相关特性。J.声学。《美国法典》第72卷，1891年至1904年（1982年）·数字对象标识代码：10.1121/1.388539
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。