Серед різних моделей нейромереж для аналізу акустичних сигналів одним із найефективніших є згорткові нейронні мережі. Тому є сенс у пошуку ефективного методу, основаного на CNN, який можна модифікувати для підвищення якості аналізу акустичних сигналів у водному середовищі. Поліпшено метод, що базується на застосуванні нейромережі CNN SOP. Як вхідні характеристики для класифікації використано характеристики CQT. Оригінальні два шари згортки замінено багатомасштабною згорткою з різними розмірами ядер, що дозволило вилучити як загальні, так і локальні характеристики цільового об'єкта. У вилучених характеристиках відбувається зменшення розмірності шляхом обробки середнього пулінгу. Результат подається на вхід до шару пулінгу другого порядку (SOP), що дозволяє ефективно знаходити та зберегти інформацію про кореляції часових даних у формі узагальненого представлення.