Page 117 - 《应用声学》2021年第2期
P. 117
第 40 卷 第 2 期 崔宝龙等： 采用小生境遗传算法反演浅海声速剖面研究 285
表 2 声速剖面反演结果统计
Table 2 Statistics of sound velocity profile inversion results
位置 S 1 S 1 S 2 S 3 S 4 S 5 S 6
声源深度/m 35 35 35 35 35 35 35
距离/km 18.684 18.684 23.957 29.137 34.204 39.268 44.454
平均传播时延/s 12.3389 12.4057 15.8577 19.3142 22.7157 26.1230 29.5425
GA 均方误差/(m·s −1 ) 2.3886 1.3239 3.4673 2.8678 1.9633 3.3037 3.5531
NGA 均方误差/(m·s −1 ) 2.1988 0.9034 2.0463 1.5724 0.8128 2.1210 3.5223
误差减小百分比/% 7.9 31.76 40.98 45.17 58.60 35.80 2.18
采用图 1 所示反演流程，对 7 枚定深 35 m 爆炸 结合海洋 -声学耦合模式和 2019年青岛外海声传播
声源进行声速剖面反演。反演过程中，设定初始种 实验数据构建基础样本库，利用小生境遗传算法和
群数为 500，最大遗传代数为 40 代，交配概率为 0.5， 常规遗传算法对处理后的爆炸声传播数据进行浅
变异概率为0.2，运算精度为0.00001，选定种群数量 海负跃层环境下的声速剖面反演。小生境遗传算法
的 1/5 进行小生境实现，反演结果部分如图 7 所示， 反演均方根误差最小为 0.81 m/s，平均均方根误差
整体统计结果见表2。 1.88 m/s，说明小生境算法能够有效进行浅海负跃
图 7 中仅列举 3 类比较常见的反演结果对比情 层环境下反演声速剖面。另外，对比反演结果，小
况：图7(a)对应NGA算法结果相比于常规GA算法 生境遗传算法较常规遗传均方根误差平均较少约
精度有显著提高，该情况在 35 m 声源的 7 次实验 35%，算法精度显著提高。
中出现 2 次；图 7(b) 对应反演精度大幅提高的情况，
该情况出现 3 次；图 7(c) 对应为两种反演方法精度
参 考 文 献
基本一致，该情况出现 2 次。由反演结果可知，反演
误差较大的位置处于温跃层深度。分析认为本文的
[1] 廖光洪, 朱小华, 林巨, 等. 海洋声层析应用与观测研究综
研究方法是在海区水声环境水平和时间分布均匀 述 [J]. 地球物理学进展, 2008, 23(6): 1782–1790.
的前提下展开，现场测试所得声速剖面集合中各点 Liao Guanghong, Zhu Xiaohua, Lin Ju, et al. Overview of
the applications and observations of ocean acoustic tomog-
的声速剖面在温跃层差异大，反演结果与实测情况
raphy[J]. Progress in Geophysics, 2008, 23(6): 1782–1790.
基本相同。另外通过分析算法中每一代的最优解可 [2] Munk W H, Wunsch C. Ocean acoustic tomography: a
知，在前两种情况中，常规遗传算法均出现 “早熟”， scheme for large scale monitoring [J]. Deep Sea Research
Part A. Oceanographic Research Papers, 1979, 26(2):
即收敛到局部最优解的现象。在爆炸声源 35 m 的
123–161.
7 次实验 (序号分别为 2、4、7、9、11、14、17) 中，NGA [3] Munk W, Worcester P, Wunsch C. Ocean acoustic tomog-
算法反演均方根误差平均为 1.88 m/s，其中最小的 raphy[M]. Cambridge: Cambridge University Press, 1995.
[4] Skarsoulis E K, Athanassoulis G A. Ocean acoustic to-
均方根误差为 0.81 m/s，可得 NGA 算法能够有效
mography based on peak arrivals[J]. The Journal of the
反演声速剖面。另外，NGA 算法相比于传统 GA 算 Acoustical Society of America, 1996, 100(2): 797–813.
法的均方根误差平均减少 35.5%，即NGA算法相比 [5] Shang E C. Ocean acoustic tomography based on adia-
batic mode theory[J]. The Journal of the Acoustical Soci-
于常规遗传算法更为精确。
ety of America, 1989, 85(4): 1531–1537.
结论适用于本次海试中其他爆炸深度的实验 [6] Taroudakis M I, Markaki M G. On the use of matched-
结果，由于篇幅原因不再展开。 field processing and hybrid algorithms for vertical slice
tomography[J]. The Journal of the Acoustical Society of
4 结论 America, 1997, 102(2): 885–895.
[7] Davis R G. Predictability of sea surface temperature
and sea level pressure anomalies over the North Pacific
采用小生境遗传算法研究声层析声速剖面的
Ocean[J]. Journal of Physical Oceanography, 1976, 6(3):
反演问题，基于经验正交函数降低反演参数维度， 249–266.
