Communication Dans Un Congrès Année : 2023

Approximation de modèle de propagation modale en acoustique sous marine à l'aide de réseaux de neurones

Résumé

Neural networks have proven capable of simulating and accelerating the simulation of complex physical phenomena. By training a neural network to predict wavenumbers and group velocities for a variety of marine environments, we were able to speed up the resolution of modal propagation models for wideband signals. To demonstrate potential applications, our model is then used to predict transmission loss and on a geoacoustic inversion scenario based on Shallow Water 2006 data.
Les réseaux de neurones se sont avérés capable de simuler et d'accélérer la simulation de phénomène physique complexe. En entraînant un DNN à prédire les nombres d'onde et les vitesses de groupes pour une variété d'environnements marins, nous avons pu accélérer la résolution des modèles de propagation modale pour des signaux large bande. Afin de montrer le potentiel de notre approche, notre modèle est utilisé pour prédire la perte de transmission et le scénario d'inversion géoacoustique sur les données Shallow Water 2006.
Fichier principal
Vignette du fichier
GRETSI_varon.pdf (517.3 Ko) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04885265 , version 1 (14-01-2025)

Licence

Domaine public

Identifiants

  • HAL Id : hal-04885265 , version 1

Citer

Arthur Varon, Julien Bonnel, Jérôme Mars. Approximation de modèle de propagation modale en acoustique sous marine à l'aide de réseaux de neurones. XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, GRENOBLE (38000), France. ⟨hal-04885265⟩
0 Consultations
0 Téléchargements

Partager

More