龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆大学
申请日：2023-10-30
公开（公告）日：2024-06-14
公开（公告）号：CN117371330B
主分类号：G06F30/27
分类号：G06F30/27;G06N3/08;G06F30/23
优先权：
专利状态码：有效-授权
法律状态：2024.06.14#授权;2024.01.26#实质审查的生效;2024.01.09#公开
摘要：本发明涉及大地电磁法神经网络反演技术领域，具体涉及一种基于传统反演引导的大地电磁二维深度学习反演方法；利用传统二维反演结果来引导深度学习反演样本集的构建，从而显著降低了通常深度学习反演所需的样本集规模和样本模型构建的难度；通过在传统反演结果的基础上对电阻率参数进行扰动，构建了大量与实际构造相关性较高的代表性模型；经过训练，本发明的反演结果明显优于传统均匀半空间反演结果，从而使得基于传统反演引导的大地电磁二维深度学习反演方法具备了实际应用价值。
主权项：1.一种基于传统反演引导的大地电磁二维深度学习反演方法，其特征在于，所述方法包括如下步骤：S1：通过传统大地电磁二维反演方法对待反演的实测数据进行反演，获得初步反演结果，并获取反演模型的电阻率及网格剖分参数信息；S2：根据所述初步反演结果，构建用于深度学习神经网络训练的地电模型样本集，包括根据传统反演得到的地电结构，基于电阻率参数值进行一定程度的扰动，生成一系列具有代表性的地电模型样本；使用有限元方法对所述地电模型样本进行正演计算，获得相应的正演响应，并在此过程中对正演响应动态添加高斯噪声，得到响应样本，每个地电模型样本与其对应的响应样本形成一对样本，生成的地电模型与响应样本共同构成地电模型样本集；S3：将构建的所述地电模型样本集按照10:1:1的比例划分为训练集、验证集和测试集；S4：将所述训练集送入神经网络进行训练，并通过所述验证集不断的调试，得到最优的神经网络模型；S5：对待反演的实测数据进行归一化处理，然后利用最优的神经网络模型进行输出预测，根据反处理运算获得最终反演模型的电阻率参数；其中传统大地电磁二维反演方法包括Occam反演、快速松弛反演、高斯-牛顿反演和非线性共轭梯度反演方法。
全文数据：
权利要求：
百度查询： 重庆大学 一种基于传统反演引导的大地电磁二维深度学习反演方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号