"Akustischer Horizont" - Verfahren und Systementwicklung zur schallbasierten volumetrischen Sedimentklassifizierung mit dem Ziel einer verbesserten Ausweisung eines sicheren Nautischen Horizontes in Häfen

Abstract

Ziel des Verbundprojekts „Akustischer Horizont“ war es, ein neuartiges, scannendes, akustisches Messsystem zur Klassifizierung von Flüssigschlickschichten zu entwickeln. Mit Hilfe dieses Systems sollte eine effiziente und flächenhafte Beurteilung der Durchfahrbarkeit von Flüssigschlickschichten in Häfen und Schifffahrtstrassen ermöglicht werden. Die Christian-Albrechts-Universität zu Kiel untersuchte im Rahmen dieses Projekts die akustischen Eigenschaften des Flüssigschlicks und ermittelte deren Abhängigkeit von den rheologischen Eigenschaften des Schlicks. Hierbei wurde ein dispersive Verhalten des Schlicks festgestellt. Außerdem zeigte die akustische Dämpfung eine starke Abhängigkeit vom Alter des Schlicks. Weiterhin wurden neue Algorithmen zur Auswertung von hydroakustischen Daten in Gewässern mit hoher Schwebstoffkonzentration entwickelt. So wurde ein neuer Boden-Detektion-Algorithmus für sedimentdurchdringende Echolotsysteme entworfen, der den Boden auch unter zuverlässig kann. Zusätzlich wurde ein Lutoklinen-Detektions-Algorithmus entwickelt, der den Übergang zwischen Wasser und Flüssigschlick detektiert. Außerdem wurde ein Python-Klasse entwickelt, welche über eine Fullwaveform-Analyse, Merkmale aus den Echozeitserien ableitet. Diese Merkmale dienen der anschließenden Klassifizierung der Flüssigschlickschichten mittels maschinellen Lernens. Gute Ergebnisse wurde dabei mit einem Random-Forest erzielt. Aufgrund Coronabedingter Verzögerungen konnten die hier entwickelten Ansätze allerdings noch nicht auf dem neuentwickelten mehrfrequenten Messsystem implementiert und getestet werden. Datei-Upload durch TIB The aim of the joint project “Akustischer Horizont” was to develop a new, scanning, acoustic measuring system for classifying fluid mud layers. This system was intended to enable an efficient and extensive assessment of the navigability of fluid mud layers in ports and shipping routes. As part of this project, the University of Kiel investigated the acoustic properties of fluid mud and determined how they depend on the rheological properties of the mud. A dispersive behavior of the fluid mud was found. In addition, the acoustic attenuation showed a strong dependence on the age of the mud. In addition, new algorithms were developed for evaluating hydroacoustic data in waters with high suspended matter concentrations. For example, a new bottom detection algorithm for sediment-penetrating echo sounder systems was designed that can reliably detect the bottom even under fluid mud layers. In addition, a lutocline detection algorithm was developed that detects the transition between water and fluid mud. In addition, a Python class was developed that derives features from the echo time series using a full waveform analysis. These features are used to subsequently classify the fluid mud layers using machine learning. Good results were achieved using a random forest. Due to corona-related delays, however, the approaches developed here could not yet be implemented and tested on the newly developed multi-frequency measuring system.