基于自编码神经网络的孔压静力触探海底土层划分方法改进

• 作者: 何旭涛 李世强 袁舟龙 郑健 陈振新
• 来源期刊: 工程勘察
• 学科: 工学
• 关键词: 自编码神经网络 地质分层 孔压静力触探
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文
• 页码范围: 23-28
• 页数: 6页
• 分类号: TU413
• 语种: 中文

摘要

孔压静力触探测试数据在海底土分类、地层划分中有重要应用.以往的分层方法在CPTU指标的选取上有较大的主观性,分层结果不很准确,在已有的K均值聚类判层方法基础上,使用自编码神经网络对投入聚类的海底孔压静力触探指标进行降维,去除冗余特征,优化特征间的权重,对得到的特征子集进行K均值聚类,发现聚类分层结果的轮廓系数等聚类评价指标都大为提高.通过在舟山海域海底地层CPTU数据上的应用,证实了所提出的方法在判断土类数目和划分土层边界方面的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈振新		5	13	1.0	3.0
2	李世强		7	3	1.0	1.0
4	何旭涛		5	12	1.0	3.0
8	袁舟龙		2	0	0.0	0.0
11	郑健		1	0	0.0	0.0