Inversione del campo acustico vettoriale guidata dall’apprendimento profondo

Questa monografia presenta un framework di deep learning per la caratterizzazione dei fondali marini, che integra la fisica dei campi acustici vettoriali con le reti neurali. Introduce i parametri di Stokes degli idrofoni vettoriali come caratteristiche robuste per l’inversione geoacustica e sviluppa reti specializzate (BP, MTL-TCN, U-Net + ATT-BP) per stimare i parametri dei sedimenti ed estrarre curve di dispersione. Validato nel Mar Giallo, il metodo raggiunge un’accuratezza comparabile a quella del core in pochi minuti, superando significativamente le tecniche tradizionali in termini di velocità e robustezza. Il lavoro evidenzia la sinergia tra principi fisici e apprendimento basato sui dati, offrendo una soluzione scalabile per la mappatura dei fondali marini in tempo reale e il progresso del rilevamento autonomo dell’oceano.