【技术实现步骤摘要】
一种基于空间映射技术的大地电磁深度神经网络反演方法
本专利技术涉及地球物理大地电磁法神经网络反演领域，具体是一种基于空间映射技术的大地电磁深度神经网络反演方法。
技术介绍
大地电磁测深(Magnetotelluric,MT)是通过改变电磁场频率来进行电磁测深的一种分支方法。通常情况下，场源为垂直入射磁场，地下电磁场的传播满足Maxwell方程组。传播问题是大地电磁成像的建模问题，大地电磁成像利用反演方法得到地下结构的地电模型，并对地下结构进行推测，即电磁成像。反演是MT资料的处理解释中极其关键的一步，目前MT已经从最初的一维地电结构假设步入到二维甚至三维反演阶段。近年来国内外学者陆续实现了一些MT三维反演算法，这些方法在理论模型的反演测试中基本都取得了成功，但对于实际资料的反演效果依然令人怀疑。由于实际地电结构的复杂性，对真实数据进行三维反演时非唯一性问题更加严重，要得到合理的反演结果需要更多的迭代次数，计算时间长得难以承受，且容易反演失败。随着计算机硬件设备的迅速发展以及诸如并行计算之类的技术逐渐在地球物理反演中得以推广，...
【技术保护点】
1.一种基于空间映射技术的大地电磁深度神经网络反演方法，其特征在于，主要包括以下步骤：/n1)确定探测区域，即层状地电断面。/n2)建立地电模型样本集A
【技术特征摘要】 【专利技术属性】
1.一种基于空间映射技术的大地电磁深度神经网络反演方法，其特征在于，主要包括以下步骤：
1)确定探测区域，即层状地电断面。
2)建立地电模型样本集A2，主要步骤如下：
2.1)基于每层地电断面的电阻率建立训练样本集G，即：
式中，σ0和σ1分别代表训练样本集G中最小电导率和最大电导率；n为集合G容量；当地电断面层数为M时，训练样本集合的子集个数为nM；i表征任意样本；
2.2)利用电导率约束采样策略对训练样本集G进行简化，得到简化训练样本集A1；简化训练样本集A1的子集个数为n×3M-1；
电导率约束采样策略如下所示：
式中，Gi为集合G中第i个子样本，也即第j层地电断面的电导率集合；{Gi-1,Gi,Gi+1}为第(j+1)层地电断面(j+1)stratum的电导率集合；jstratum表示第j层地电断面；
2.3)对简化训练样本集A1进行数据增强，方法为：利用分段三次Hermite插值函数建立映射关系；基于所述映射关系对训练样本集合A1中所有子集进行映射，并将映射得到的所有子集写入地电模型样本集A2中；
3)建立大地电磁正演响应数据集A3；
4)对地电模型样本集A2和大地电磁正演响应数据集A3进行归一化处理；
5)建立深度学习神经网络模型；
6)利用地电模型样本集A2和大地电磁正演响应数据集A3对所述深度学习神经网络模型进行训练，得到训练后的深度学习神经网络模型模型；
7)获取层状地电断面的实测电磁数据，并输入到训练后的深度学习神经网络模型模型中，得到层状地电断面电磁预测数据集；
8)以地电断面电性模型作为验证样本的输入，通过MT正演计算产生大地电磁响应数据作为验证样本的输出，从而建立层状地电断面电磁验证数据集；
9)判断层状地电断面电磁预测数据集和层状地电断面电磁验证数据集的拟合度误差是否满足收敛条件，若是，则反演结束，输出层状地电断面电磁验证数据集。
2.根据权利要求1所述的一种基于空间映射技术的大地电磁深度神经网络反演方法，其特征在于，建立大地电磁正演响应数据集A3的主要步骤如下：
1)基于地电模型样本集A2，利用大地电磁测深法计算地球表面电场E和磁场H的正交分量；
2)基于电场E和磁场H，建立大地电磁探测数据集Z，即：
式中，Z为用于表征电磁场关系的阻抗张量；x、y表示二维坐标方向；其中，Zxx＝0，Zyy＝0，Zxy＝-Zyx；
3)计算得到第m层的顶面阻抗Zm，即：
其中，km为第m层的波数；hm是第m层的层厚；Zom是第m层的本征阻抗；
顶面阻抗计算参数Lm+1的表达式如下：
第N层顶面阻抗ZN如下所示：
ZN＝ZON；(6)
式中，ZON是第N层的本征阻抗；
ZON＝-iωμ/kN；(7)
本征阻抗计算参数kN如下所示：
式中，σN是第N层的电导率；μ为磁导率；ω为角频率；
4)计算视电阻率；
视电阻率ρω如下所示：
式中，μ为磁导率；ω为角频率；Z1为第1层的顶部阻抗；
5)基于层状地电断面的视电阻率，建立大地电磁正演响应数据集A3。
技术研发人员：余年，蔡志坤，李睿恒，葛垚，刘洋，高磊，
申请(专利权)人：重庆大学，重庆大学产业技术研究院，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。