申请/专利权人：成都理工大学

申请日：2024-05-15

公开（公告）日：2024-06-11

公开（公告）号：CN118171501A

主分类号：G06F30/20

分类号：G06F30/20;G06T17/00;G06F18/214;G06F18/213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.28#实质审查的生效;2024.06.11#公开

摘要：本发明公开了预训练模型循环迁移学习的三维大地电磁正演模拟方法，解决了现有技术中正演耗时的问题，其包括：随机生成三维地电模型；对三维地电模型进行正演计算求得三维正演响应数据；搭建自注意力机制特征提取的三维深度学习网络；将训练样本对输入至自注意力机制特征提取的三维深度学习网络内，采用循环共享网络权重，并结合任一极化方向的任一参数的三维正演响应数据，采用反向传播计算梯度后通过优化器更新三维深度学习网络的参数；建立三维地电模型与任一极化方向的任一参数的三维正演响应数据之间的非线性映射，得到训练后的三维深度学习网络；将验证样本对输入至训练后的三维深度学习网络内，得到三维大地电磁正演数据。

主权项：1.预训练模型循环迁移学习的三维大地电磁正演模拟方法，其特征在于，包括以下步骤：步骤S1，采用弱约束策略的地电模型随机生成三维地电模型；步骤S2，对三维地电模型进行正演计算，采用数值法求得任一极化方向的任一参数的三维正演响应数据，并构建训练样本对和验证样本对；所述极化方向包括XY、YX、XX和YY；所述极化方向中的第一个字母表示电场分量的方向，且第二个字母表示磁场分量的方向；所述参数包括视电阻率和阻抗相位；步骤S3，搭建自注意力机制特征提取的三维深度学习网络；所述三维深度学习网络包括依次连接的线性嵌入模块和N阶段的多尺度编码器；所述N为大于2的自然数；N阶段的多尺度编码器的输出分别接有一第一上采样模块，且第N阶段的多尺度编码器输出对应的第一上采样模块的输出结果输入至第N-1阶段的多尺度编码器输出对应的第一上采样模块内；所述线性嵌入模块将三维正演响应数据转换成一维特征数据，并输出给第一阶段的多尺度编码器；所述线性嵌入模块的输出接有一第二上采样模块；所述第一阶段的多尺度编码器输出对应的第一上采样模块的输出结果输入至与第二上采样模块内；所述第二上采样模块接有一第一卷积模块；N阶段的多尺度编码器对一维特征数据进行特征提取；步骤S4，将训练样本对输入至自注意力机制特征提取的三维深度学习网络内，采用循环共享网络权重，并结合任一极化方向的任一参数的三维正演响应数据，采用反向传播更新三维深度学习网络的权重；建立三维地电模型与任一极化方向的任一参数的三维正演响应数据之间的非线性映射，得到训练后的三维深度学习网络；步骤S5，将验证样本对输入至训练后的三维深度学习网络内，得到三维大地电磁正演数据。

全文数据：

权利要求：

百度查询： 成都理工大学 预训练模型循环迁移学习的三维大地电磁正演模拟方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD