基于便携式自由落地钻探仪的近表层浅水沉积物的概率分类
机器学习
2025-08-26 v2 应用统计
摘要
海床沉积物的地质评估对工程项目和水手应用至关重要，提供有关沉积物特性、行为和强度的宝贵信息。获取高质量的海床样本可能具有挑战性，因此现场测试是场地特征的必不可少的组成部分。自由落地钻探仪（FFP）是用于快速轮廓化近岸或河口条件下浅及深水区域沉积物表面的稳健工具。虽然传统的海上锥形钻探测试（CPT）数据解释方法已为人所熟知，但其适应于FFP数据的方法仍是研究的领域。本研究引入一种创新方法，利用机器学习算法创建基于便携式自由落地钻探仪（PFFP）数据的沉积物行为分类系统。该模型利用来自多个地点的PFFP测量值，例如西奥姆湾（华盛顿州）、波托姆河和弗吉尼亚州约克河。结果显示在类别预测中达到91.1%的准确率，其中类别代表无黏性沉积物（类别1）、无黏性带有一定塑性的沉积物（类别2）、黏性低塑性沉积物（类别3）和黏性高塑性沉积物（类别4）。该模型的预测不仅预测类别，还给出预测固有不确定性的估计，这可以为不同的沉积物行为提供有价值的见解。虽然不确定性较低较常见，但它们可能会因沉积物组成、环境条件和操作技术的变化而显著增加。通过量化不确定性，该模型提供了更全面和有信息的沉积物分类方法。
引用
@article{arxiv.2410.00225,
title = {Probabilistic Classification of Near-Surface Shallow-Water Sediments using A Portable Free-Fall Penetrometer},
author = {Md Rejwanur Rahman and Adrian Rodriguez-Marek and Nina Stark and Grace Massey and Carl Friedrichs and Kelly M. Dorgan},
journal= {arXiv preprint arXiv:2410.00225},
year = {2025}
}