基于自扩展卷积神经网络的原油油膜绝对厚度反演方法技术

发明专利技术提供一种基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，对实测光谱数据进行筛选得到真实光谱特征数据；将真实光谱特征数据输入对抗生成网络，生成自扩展样本数据；利用卷积神经网络对自扩展后的样本数据进行特征提取，对原油油膜的绝对厚度进行反演。该方法对实测光谱数据进行筛选，去除了可分性较差的波段，更有利于精确定量反演原油油膜厚度；利用对抗生成网络对数据进行扩展，从而只需少量实测数据便可基于模型生成大量高仿数据，丰富模型泛化性以及增强模型鲁棒性；利用卷积神经网络的卷积过程，能够充分学习光谱信息，避免了信息量的损失，从而提高原油油膜绝对厚度的反演精度。

【技术实现步骤摘要】
基于自扩展卷积神经网络的原油油膜绝对厚度反演方法
本专利技术涉及海洋探测领域，特别地涉及一种基于自扩展卷积神经网络的原油油膜绝对厚度反演方法。
技术介绍
溢油是海洋石油勘探、开发、运输过程中，造成油品外泄而形成的海上突发事件，已被美国科学院列为2030年前待解决的32个科学问题之一。近年来，海上溢油灾害频发，严重影响海洋生态环境与海洋资源的可持续发展。海面溢油量是评价海上溢油事故威胁程度和确定溢油事故等级的重要指标，也是污染赔偿追责的重要依据，同时对于现场溢油应急处置和科学决策也有重要作用。溢油面积、油膜厚度与溢油密度的准确获得是评估溢油量的基础。其中，溢油密度的变化相对稳定，随着遥感技术的发展，溢油面积的确定也不再是难题，故油膜绝对厚度的估算成为当下研究的国际热点与难题。目前的海洋溢油厚度监测工作，主要是基于航空真彩色照片目视解译的方法，评定采用的标准是国际海事组织认可的Bonn协议。该协议给出了油膜颜色与厚度的定性关系，如油膜外观特征表现为银灰色时，其对应的厚度为0.02-0.05μm。该方法存在的主要问题是目视鉴别不同颜色油膜的工本文档来自技高网...

【技术保护点】
1.一种基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，其特征在于，所述反演方法包括：/n对实测光谱数据进行筛选得到真实光谱特征数据；/n将所述真实光谱特征数据输入对抗生成网络，生成自扩展样本数据；/n利用卷积神经网络对所述自扩展样本数据进行特征提取，进而对原油油膜绝对厚度进行反演。/n

【技术特征摘要】
1.一种基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，其特征在于，所述反演方法包括：
对实测光谱数据进行筛选得到真实光谱特征数据；
将所述真实光谱特征数据输入对抗生成网络，生成自扩展样本数据；
利用卷积神经网络对所述自扩展样本数据进行特征提取，进而对原油油膜绝对厚度进行反演。


2.根据权利要求1所述的基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，其特征在于，所述对实测光谱数据进行筛选得到真实光谱特征数据的方法包括：
利用光谱特征筛选器按预设光谱特征区间对所述实测光谱数据进行筛选，得到所述真实光谱特征数据。


3.根据权利要求2所述的基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，其特征在于，所述预设光谱特征区间通过基于光谱标准差阈值的油膜特征光谱分析提取方法得到。


4.根据权利要求2所述的基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，其特征在于，所述预设光谱特征区间包括1200nm至1350nm、1500nm至1700nm、2050nm至2200nm。


5.根据权利要求1所述的基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，其特征在于，所述对抗生成网络包括生成网络和判别网络，所述生成网络用于学习所述真实光谱特征数据的样本分布，并生成仿真光谱特征数据，所述判别网络用于判别输入的光谱特征数据的真实性，所述输...

【专利技术属性】
技术研发人员：马毅，姜宗辰，杨俊芳，
申请(专利权)人：自然资源部第一海洋研究所，
类型：发明
国别省市：山东;37