杜家佳，卜 凡，杜國平,，王永利，宋曉峰，杜建平

(1. 南京帝壩工程科技有限公司，江蘇南京210094；2. 南京理工大學，江蘇南京210063；3. 廣西帝壩科技公司，廣西南寧530021)

0 引 言

土木工程建設具有工程規(guī)模大、環(huán)境條件復雜、施工風險高等特點，在工程事故中因滲漏引起的故事高達62%，造成了巨大的經(jīng)濟損失和廣泛的社會影響。而究其原由是沒有一種能夠在天然流場下定量定位測量出地下隱蔽工程滲漏缺陷的技術方法[1]。聲吶滲流探測技術作為原創(chuàng)性聲吶滲流測量技術，先后在國內外的百余項各類大中型工程上應用與推廣，得到業(yè)界的普遍認可和好評。聲吶滲流探測技術利用聲波在水中的優(yōu)異傳播特性而實現(xiàn)對水流速度場的測量。如果被測水體存在滲流，則必然在測點產生滲流場，聲吶探測器陣列能夠精細地測量出聲波在流體中能量傳遞的大小，依據(jù)聲吶傳感器陣列測量數(shù)據(jù)的時空分布，即可生成土木工程需要的原位滲流場的滲透流速、滲流方向、滲流量、滲透系數(shù)等各種水文地質參數(shù)[2]，從而對滲流情況進行判斷。然而由于噪聲干擾的存在，會影響對滲流屬性的判斷。因此有必要對滲流波形與噪聲波形進行建模、計算與分類，以計算機的手段與方法快速、準確地識別、分離干擾噪聲以保證對真實滲流的判斷與甄別。

目前對聲吶波形進行分類的研究并不多，效果較好的包括通過傳統(tǒng)波形分析[3-4]以及通過并行網(wǎng)絡[5]、分層網(wǎng)絡[6]、通用回歸網(wǎng)絡(General Regression Neural Network, GRNN)[7]等神經(jīng)網(wǎng)絡模型的聲吶分類方法。傳統(tǒng)波形分析方法難以在較短的時間內完成對滲流類型的分類，而現(xiàn)有經(jīng)過屬性標注的真實滲流聲吶波形數(shù)據(jù)量不足以支撐神經(jīng)網(wǎng)絡的學習，且神經(jīng)網(wǎng)絡的可解釋性較差，較難探究聲吶的分類過程。

梯度提升樹(Gradient Boosting Decision Tree,GBDT)[8]是一種基于boosting[9]思想的、泛化能力較強的模型，通過對回歸樹進行梯度增強，可以產生有競爭力的、高度健壯的、可解釋的回歸和分類過程。實驗表明，梯度提升樹模型能夠較好地對滲流的聲吶數(shù)據(jù)進行分類。

實現(xiàn)聲吶滲流檢測結果分類要求模型有較強的魯棒性。考慮到實際使用時數(shù)據(jù)的時效性，該模型需要在較短的訓練過程中獲得相對較高的準確率，以便對不同的地區(qū)進行針對性判斷。本文出于對屬性標注的滲流聲吶數(shù)據(jù)特征復雜性、聲吶數(shù)據(jù)類型多樣性以及噪聲數(shù)據(jù)干擾普遍性的考慮，提出了基于聲吶聲波與梯度提升樹的聲吶滲流檢測結果分類模型。利用梯度提升樹高靈活性、高魯棒性、高準確率的特性，挖掘水庫滲流與井孔滲流的分類依據(jù)并將其與噪聲聲波區(qū)分開，最后利用該模型對日常滲流聲吶數(shù)據(jù)進行自動區(qū)分。

1 模型建立

聲吶滲流檢測結果分類模型的任務是對未標注的聲吶數(shù)據(jù)集進行自動分類，為了實現(xiàn)該目標需要訓練一個自動分類模型，模型的整體結構如圖 1所示。

圖1 聲吶滲流檢測結果分類模型整體結構Fig.1 The overall configuration of the classification model of sonar seepage detection results

該模型可分為以下步驟：(1) 建立樣本集；(2)訓練分類模型。

2 建立樣本集

2.1 聲吶數(shù)據(jù)信息

用于訓練的滲流的聲吶數(shù)據(jù)由 2013—2019年間包括廖葉灣和魯?shù)乩娬镜仍趦炔煌貐^(qū)工程的實測波形組成。數(shù)據(jù)均采用Brüel & Kj?r聲學與振動測量公司的 8104型通用水聽器錄制，采樣精度為16 bit，采樣頻率為 600 Hz。通過屬性標注從中標注出了三類數(shù)據(jù)共 7 848條，其中包括了2 998條噪聲數(shù)據(jù)、3 656條井孔滲流數(shù)據(jù)、1 194條水庫滲流數(shù)據(jù)。

2.2 聲吶信號預處理

聲吶信號屬于時間序列信號，故利用單位根檢驗(Augmented Dickey-Fuller Test, ADF)對其進行平穩(wěn)性分析。由單位根檢驗可知用于訓練的聲吶信號為平穩(wěn)序列，說明其圍繞常數(shù)上下波動且范圍有限，有常數(shù)均值與常數(shù)方差。由于聲吶信號采樣總點數(shù)較少，故將其幀長取為1 s。

首先，需去除原始聲吶信號的直流干擾。其次，從時域譜、頻域譜、功率譜與數(shù)據(jù)特征四個維度共提取出 36維聲吶信號特征。其中，從時域譜提取的特征有平均值、峰差、峭度、偏度、脈沖因子、裕度因子等 15維特征。頻域譜通過快速傅里葉變換(FFT)算法[10]獲得，從頻域譜提取的特征有振幅平均值、振幅峰差、重心頻率、均方頻率、均方根頻率等11維特征。進行功率譜變換時，設聲吶信號s( t)在時間段t∈ [- T / 2,T /2]上用sT( t)表示，且sT( t)的傅里葉變換為FT(ω)= F FT[sT( t )]，則功率譜P(ω)的表達式為

從功率譜提取的特征有功率最大值、功率最小值、信噪比等5維特征。從數(shù)據(jù)特征提取的特征有數(shù)據(jù)分類、聲道數(shù)、采樣總點數(shù)等5維特征。圖2為一個聲吶信號及其轉換的不同譜圖。

圖2 一段典型的聲吶信號分析圖Fig.2 A typical sonar signal analysis diagram

由于不同維數(shù)據(jù)的量綱差距較大，為提高對比實驗精度，對數(shù)據(jù)進行歸一化處理。本文采用z-score歸一化，表達式為

其中：σ為數(shù)據(jù)標準差，μ為樣本均值。歸一化后數(shù)據(jù)的平均值為0，方差為1。

2.3 特征選擇

ReliefF算法[11]改進了Relief算法只能處理二分類特征選擇的問題，使其能夠處理多分類問題，而本文提出的分類模型本質上是一個多分類模型。設聲吶數(shù)據(jù)集為 D，包含類別為 y，對于實例si，若它屬于第k類，則先在第k類樣本中尋找si的最近鄰si,nh作為猜中近鄰，然后在第k類之外的每個類別的樣本中尋找實例si的最近鄰si,l,nm，作為猜錯近鄰。則相關統(tǒng)計量對應于屬性j的分量表達式為

其中，pl為第l類樣本在聲吶數(shù)據(jù)集D中所占的比例，diff(a,b)為a與b兩個特征的值的差。

3 訓練分類模型

分類模型的訓練模塊包含預處理模塊、訓練模塊、驗證模塊與輸出模塊四部分，模塊具體內容如圖3所示。

圖3 分類模型訓練模塊Fig.3 Training modules of the classification model

決策樹算法[12]具有良好的時間復雜度與模型易讀性，但容易過擬合。梯度提升樹基于 boosting思想對決策樹算法進行了優(yōu)化，其核心思想是利用損失函數(shù)的負梯度在當前模型的值作為殘差的近似值，本質是對損失函數(shù)進行一階泰勒展開，從而擬合回歸樹。

梯度提升樹算法的計算流程如下：

(1) 輸入：

4 實 驗

4.1 實驗環(huán)境

實驗環(huán)境的操作系統(tǒng)為Windows 10，CPU為Intel i7-7700HQ，RAM大小為16GB。

4.2 實驗結果

4.2.1 特征選擇結果

通過ReliefF算法計算的貢獻權重如圖4所示，可以看出對區(qū)分滲流波形貢獻最大的屬性為功率平均值，對分類的貢獻度達到了1.892。較為重要的屬性包括了功率平均值、振幅平均值、振幅峰差、振幅最大值、振幅峰值閾值等。

圖4 ReliefF算法計算出的貢獻權重Fig.4 The contribution weights calculated by ReliefF algorithm

為了選取合適的閾值并驗證 ReliefF算法對結果的影響，對最大樹數(shù)量為 5、最大深度為 5、學習率為 0.1的梯度提升樹分別取不同閾值進行訓練，訓練數(shù)據(jù)集包括1 000條噪聲數(shù)據(jù)、1 000條井孔滲流數(shù)據(jù)、1 000條水庫滲流數(shù)據(jù)。閾值分別取0、0.2、0.4、0.6進行訓練，從準確率、總時間、每千行訓練時間進行比較，結果如表1所示。

表1 不同閾值對算法結果的影響Table 1 The influence of different thresholds on the algorithm results

從表1能夠看出，由于選取了更少的屬性，隨著閾值的增加，訓練消耗的總時間在不斷降低。準確率在閾值取0.2時達到最大，之后隨著閾值的增大而減小。綜合以上考慮，選擇0.2為篩選ReliefF權重的閾值，去除6個屬性，用排名前30的數(shù)據(jù)進行訓練。

4.2.2 模型比較

不同模型的性能如表2所示，其中Marco-P為宏查準率，Marco-R為宏查全率，Marco-F1為宏F1值，這三者皆為多分類任務的評價指標。效果較好的模型包括梯度提升樹模型、樸素貝葉斯模型、廣義線性模型。由于樸素貝葉斯模型假設屬性之間相互獨立，故理論上準確率較高，但實際情況并非如此，主要因為聲吶不同屬性之間具有一定的相關性；廣義線性模型對數(shù)據(jù)獨立性要求較高，不獨立的數(shù)據(jù)易導致標準差偏小，從而獲得較高的理論準確率，但模型在實際使用時的準確率遠低于理論準確率。而與梯度提升樹模型相比，邏輯回歸模型、快速大邊界模型、決策樹模型的各項指標較低。綜上所述，梯度提升樹模型在各項性能指標上均有較好的表現(xiàn)，說明本文提出的模型在聲吶滲流檢測結果分類方面具有良好的效果。

表2 不同模型的性能指標Table 2 Performance metrics of different models

4.2.3 模型分析

對得到的GBDT模型進行分析，可知不同屬性對模型的貢獻度不同，具體比例如圖5所示。其中功率中位數(shù)占模型貢獻度的 38.80%，振幅最大值占比 25.55%，時域整流平均值貢獻占比 18.65%，振幅中位數(shù)貢獻占比7.01%，其他屬性對模型貢獻度占比共為7%。

圖5 不同屬性對GBDT模型的貢獻度Fig.5 The contribution of different attributes to GBDT model

功率中位數(shù)是聲吶信號功率譜的直接體現(xiàn)；振幅最大值與振幅中位數(shù)可以較為準確地刻畫出聲吶信號頻譜的振幅；時域整流平均值是聲吶信號絕對值積分的平均值，能夠較好地表現(xiàn)出聲吶信號的時域的變化。利用決策樹模型對上述屬性進行分析，結果如圖6所示，其中rl為水庫滲流，pl為小孔滲流。

圖6 GBDT模型分析過程Fig.6 Analysis procedure of GBDT model

綜合看來，當閾值設置為0.384時，時域整流平均值能夠區(qū)分水庫滲流波形與其他兩類滲流波形，其分布情況如圖7所示；當閾值設置為0.005時，振幅中位數(shù)能夠大致區(qū)分井孔滲流波形與噪聲波形，其分布情況如圖8所示。

由圖7與圖8可知，利用以上屬性作為GBDT模型的分類指標具有較高的可信性，能夠較好地區(qū)分三類波形。

圖7 時域整流平均值分布情況Fig.7 The distribution of rectified mean values

圖8 振幅中位數(shù)分布情況Fig.8 The distribution of the median amplitudes

5 結 論

本文提出了基于聲吶信號與梯度提升樹的聲吶滲流檢測結果分類模型。通過提取聲吶數(shù)據(jù)的特征，對特征進行數(shù)據(jù)清洗與歸一化，再利用ReliefF算法選取貢獻權重大的特征，最后利用數(shù)據(jù)集訓練出用于區(qū)分水庫滲流、井孔滲流與噪聲的梯度提升樹模型。該模型在訓練效率及分類精度方面有較好的表現(xiàn)。隨著研究工作的深入和工程應用領域的擴大，我們將在更大的范圍內采集到更多的工程應用聲吶數(shù)據(jù)，在積累到一定程度后，嘗試利用更好的大數(shù)據(jù)原解析手段與方法，使得聲吶滲流測量技術的準確性、可靠性和抗干擾能力獲得更大的提高，為眾多滲流工程的風險控制與創(chuàng)新管理作出貢獻。

致謝 感謝南京理工大學計算機工程學院為本文研究提供的技術支持。