【技术实现步骤摘要】
本专利技术涉及海洋工程与环境监测，具体而言，特别涉及一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法。
技术介绍
1、随着深海采矿技术的发展，海底采矿活动日益频繁，随之而来的环境影响问题备受关注。现有技术主要采用单一监测手段对采矿羽流进行监测。例如，专利文献cn117491218 b公开了一种利用声学多普勒流速剖面仪（adcp）监测深海采矿羽流扩散的方法。
2、现有技术通常采用单一的监测设备，如：声学多普勒流速剖面仪（adcp）：通过发射声波并接收回声强度来监测羽流的扩散情况，同时能够获取水流的速度和方向数据。浊度计：用于测量水体中悬浮颗粒的浓度，通常为单点测量。电学探杆：通过监测沉积物与海水的自然电位差，识别沉积物与海水的分界面。这些设备各自独立工作，分别提供水动力数据或颗粒浓度数据，但缺乏综合多源数据的监测系统。
3、现有技术在监测深海采矿羽流扩散时存在以下缺点：
4、在数据数据获取方面：虽然adcp能够同时获取声波回声强度及水流速度和方向数据，但其在复杂的海洋环境中容易受到噪声干扰，导致无法准确识别羽流边界层处的浓度变化。电学探杆能够有效识别羽流边界层处的浓度变化，但其精度不及声学设备，且主要用于识别沉积物与海水的分界面。浊度计通常为单点测量，难以覆盖羽流扩散的广泛区域，导致空间分布信息不足。传统的取样方法需要频繁的人工干预和设备维护，耗费大量的人力和物力，且无法实现实时监测。
5、在数据精度方面：adcp在高噪声环境下，声学信号的回声强度可能受到干扰，影响羽流边界的准
6、在数据解译处理方面：现有技术缺乏将多源数据（声学、光学、电学）进行有效融合的机制，导致各监测手段之间的数据无法相互验证和补充，影响整体监测结果的准确性和可靠性。
7、综上，单一设备的部署位置和监测范围有限，难以实现对羽流三维扩散的全面监控，特别是在边界层和远距离扩散区域。现有技术在数据获取的多样性、监测精度、数据融合和实时性等方面存在显著不足，亟需一种能够综合多源数据、提高监测精度并实现实时监测的羽流扩散监测方法与装置。
技术实现思路
1、为了弥补现有技术的不足，本专利技术提供了一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法，通过结合声学、光学和电学多种监测技术，实现对深海采矿羽流扩散过程的多维度、高精度监测。具体目标包括：多源数据融合：将声学、光学和电学数据进行有效融合，提高羽流扩散监测的准确性和全面性。浓度转换精度提升：通过多源数据校准，实现声学数据向颗粒浓度数据的高精度转换。实时监测能力：提供实时监测和数据分析能力，及时反映羽流扩散的动态变化。环境影响评估：为深海采矿环境影响评估提供可靠的数据支持，促进可持续发展。
2、本专利技术是通过如下技术方案实现的：一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法，海底采矿羽流扩散监测装置包括声学监测模块、声学监测模块、和光学监测模块；
3、声学监测模块包括下视的声学多普勒流速剖面仪adcp、下视adcp连接杆和声学换能器发射接收头，声学换能器发射接收头安装在声学多普勒流速剖面仪adcp的端部；
4、声学监测模块包括自上至下一次连接的装置控制终端、自然电位探杆和锥形头，声学多普勒流速剖面仪adcp通过下视adcp连接杆安装在装置控制终端上，自然电位探杆上每隔2厘米设置一个电极环；装置控制终端2-1用于设置装置的工作状态并本地存储监测数据，确保数据不丢失，可外接电源。
5、光学监测模块包括光学浊度计和双联卡箍，光学浊度计通过双联卡箍安装在自然电位探杆上；
6、具体包括以下步骤：
7、步骤s1：监测设备的部署
8、将海底采矿羽流扩散监测装置按照预定位置部署于海床基上，确保各设备能够覆盖羽流可能扩散的区域；
9、步骤s2：数据采集
10、声学多普勒流速剖面仪adcp持续发射声波并接收回声强度，记录羽流扩散的声学信号及水流数据；
11、光学浊度计实时测量水体中的悬浮颗粒浓度，记录颗粒浓度的变化；
12、自然电位探杆定期记录沉积物与海水的自然电位差，监测沉积物分布变化；
13、步骤s3：数据预处理
14、对采集到的声学、光学和电学数据进行滤波、去噪处理；
15、步骤s4：多源数据融合
16、建立多源数据融合模型，将adcp、光学浊度计和自然电位探杆的数据进行融合，以提高监测的准确性；具体包括以下步骤：
17、步骤s4.1：数据同步与对齐
18、将来自adcp、光学浊度计和自然电位探杆的数据按照时间和空间进行同步对齐，确保同一时间点的数据对应同一空间位置；
19、步骤s4.2：特征提取
20、从各源数据中提取关键特征：
21、adcp数据：声波回声强度𝐴、流速𝑉、流向𝜃；
22、电学探杆数据：电位差𝐸；
23、步骤s4.3：构建训练数据集
24、利用实验室校准的浊度计数据作为标签𝐶，adcp和电学探杆的数据作为输入特征𝐴,𝑉,𝜃,𝐸，构建训练数据集；
25、具体表示为：
26、
27、其中：xi=[ai,vi,θi,ei]为第i个样本的输入特征向量； ci 为第 i 个样本的颗粒浓度标签；n 为样本数量；
28、步骤s4.4：选择机器学习算法
29、选择随机森林算法，建立声学数据到浓度数据的转换模型；
30、步骤s4.5：模型训练与优化
31、使用步骤s4.3中构建的训练数据集𝐷对随机森林模型进行训练；
32、步骤s4.6：模型验证
33、利用独立的验证数据集，对训练好的随机森林模型进行验证，评估其在不同条件下的预测性能；验证指标包括均方误差mse、决定系数𝑅2；
34、步骤s4.7：浓度转换公式
35、基于训练好的随机森林模型，建立从多源监测数据到颗粒浓度的转换关系；具体公式表示为：c=f(a,v,θ,e)
36、其中𝐶为预测的颗粒浓度向量，𝐴为adcp声波回声强度数据，𝑉为水流速度数据，𝜃为水流方向数据，𝐸为电学探杆电位差数据；
37、随机森林预测过程：
38、输入特征向量：x=[a,v,θ,e]
39、对于随机森林中的每一棵决策树𝑡，其预测结果为：
40、ct=decisiontreett(x)
41、最终的颗粒浓度预测值𝐶为所有决策树预测结果的平均值：
42、
43、其中𝑇为随机森林中决策树的数量；
44、步骤s4.8：多源数据融合模型的应用
45、将训练好的随机森林模型应用于本文档来自技高网...
【技术保护点】
1.一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法，其特征在于, 所述海底采矿羽流扩散监测装置包括声学监测模块、声学监测模块、和光学监测模块；
2.根据权利要求1所述的一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法,其特征在于,所述双联卡箍包括光学浊度计抱箍（3-2）和自然电位探杆抱箍（3-3），光学浊度计抱箍（3-2）固定安装在自然电位探杆抱箍（3-3）的外壁上，光学浊度计抱箍（3-2）和自然电位探杆抱箍（3-3）相互平行，光学浊度计（3-1）安装在光学浊度计抱箍（3-2）内，自然电位探杆抱箍（3-3）套装在自然电位探杆（2-2）上。
3.根据权利要求1所述的一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法,其特征在于,所述步骤S4.5具体包括以下步骤：
【技术特征摘要】
1.一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法，其特征在于, 所述海底采矿羽流扩散监测装置包括声学监测模块、声学监测模块、和光学监测模块；
2.根据权利要求1所述的一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法,其特征在于,所述双联卡箍包括光学浊度计抱箍（3-2）和自然电位探杆抱箍（3-3），光学浊度计抱箍（3-2）固定安...
【专利技术属性】
技术研发人员：贾永刚，陈翔，范智涵，朱宪明，陈时平，吴丙伟，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。