陈佳兵，吴自银*，赵荻能，周洁琼，李守军，尚继宏

(1.国家海洋局第二海洋研究所，浙江 杭州 310012；2.国家海洋局海底科学重点实验室，浙江 杭州 310012；3.浙江大学 地球科学学院，浙江 杭州 310027)

基于粒子群优化算法的PSO-BP海底声学底质分类方法

陈佳兵1,2，吴自银1,2*，赵荻能1,3，周洁琼1,3，李守军1,2，尚继宏1,2

(1.国家海洋局第二海洋研究所，浙江 杭州 310012；2.国家海洋局海底科学重点实验室，浙江 杭州 310012；3.浙江大学 地球科学学院，浙江 杭州 310027)

利用粒子群优化算法(PSO)较强的鲁棒性和全局搜索能力等优点，将PSO算法与BP神经网络相结合，优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据，提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量，利用PSO-BP方法对海底底质进行分类识别。实验表明，3类底质分类精度均大于90%，高于BP神经网络70%左右的分类精度，表明PSO-BP方法可有效应用于海底底质的分类识别。

基于粒子群优化算法的BP神经网络；特征向量；粒子群算法；底质分类

1 引言

海底底质的分类识别在现代海洋工程勘探、海洋科学研究、军事科技等多个领域具有重要意义。受制于传统的地质取样方法效率低下、成本较高、作业难度较大等缺点，利用侧扫声呐、多波束、浅地层剖面仪等声学设备的遥测数据进行快速高效准确的海底底质分类识别已成为当前的研究热点[1]。近年来，许多国内外学者应用多种人工神经网络方法实现了对海底底质的分类识别。如：Alexandrouhe和Pantzartzis[2]利用……