一种基于强化学习的自适应广域电磁法激电信息提取方法技术

本发明专利技术公开了一种基于强化学习的自适应广域电磁法激电信息提取方法，其特征在于，通过定义敏感度作为反演参数识别的特征，同时采用强化学习的方法来实现自适应反演参数的识别和正则化设置，从而实现智能化的激电信息提取。通过本发明专利技术方法，由于反演前期电阻率对观测数据的影响远大于极化率，因此电阻率的敏感度将高于极化率，此时的反演以电阻率为主，对电阻率参数施加先验信息约束，对极化率参数施加强限制约束；而后期电阻率趋于稳定，极化率的敏感度将高于电阻率，此时的反演将以极化率为主，对极化率参数施加先验信息约束，对电阻率参数施加强限制约束；而具体的正则化系数和约束施加通过强化学习对反演阶段的判断结果进行设定。

【技术实现步骤摘要】
一种基于强化学习的自适应广域电磁法激电信息提取方法
本专利技术属于地球物理
，涉及一种基于强化学习的自适应广域电磁法激电信息提取方法。
技术介绍
广域电磁法(WideFieldElectromagneticMethod，WFEM)是一种新型的频率域电磁勘探方法。该方法兼有可控源音频大地电磁法(CSAMT)场源信号稳定可靠以及磁偶源频率测深法(MELOS)非远区测量的优点。WFEM定义的广域视电阻率严格保留了电磁场表达式级数展开式中的高次项，并且能在多种工作方式下通过只测量一个物理量来提取，是一种能有效改善电磁测深曲线非远区畸变效应的全区域适用视电阻率。目前，WFEM在油气资源探测、金属矿探测和工程勘测等领域取得了一系列积极的成果。然而，在实际应用中，地下介质的频率域电磁波响应为电磁感应和激电效应的综合反映。开展从频率域电磁法信号中提取激电信息的研究，可以获得更多的物性参数，有助于定量分析极化效应对电磁信号的影响，进而提高频率域电磁法的反演解释精度。但是，由于地下导电性不均匀所引起的异常强度远大于激电效应引起的异常，反演的过本文档来自技高网...

【技术保护点】
1.一种基于强化学习的自适应广域电磁法激电信息提取方法，其特征在于，通过定义敏感度作为反演参数识别的特征，同时采用强化学习的方法来实现自适应反演参数的识别和正则化设置，从而实现智能化的激电信息提取。/n

【技术特征摘要】
1.一种基于强化学习的自适应广域电磁法激电信息提取方法，其特征在于，通过定义敏感度作为反演参数识别的特征，同时采用强化学习的方法来实现自适应反演参数的识别和正则化设置，从而实现智能化的激电信息提取。


2.根据权利要求1所述基于强化学习的自适应广域电磁法激电信息提取方法，其特征在于，包括以下步骤：
S1、设置广域视电阻率的计算方程：



式(1)中，r为观测点到偶极源中心的距离，或称收发距；dL为水平电流源的长度，MN为观测点M和N之间的距离；


为观测点M和N之间的距离，ρ为电阻率，I为电流强度，k称为电磁波的传播常数或波数，i为虚部，为r与电流源之间的夹角；
S2、设置激电模型为：



式(2)中，ρ(ω)为考虑极化效应后与频率相关的广域复电阻率；ρa为未考虑极化效应时的广域视电阻率；m为极化率；τ为时间常数；c为频率相关系数，ω为角速度；
S3、设置反演的目标函数如下：
fit＝E(e)+λ1R(ρ)+λ2R(m)(3)
式(3)中，R(ρ)和R(m)分别为对电阻率和极化率的最小构造约束函数；λ1、λ2分别为R(ρ)和R(m)对应的正则化因子，采用两个独立正则化因子的原因是极化率的取值空间(m∈[0，1])较电阻率的取值空间有较大差异(一般可认为ρ＞＞m)，如果采用统一的正则化因子将无法约束相对较小的极化率参数；E(e)为目标误差函数，在反演时为数据的拟合误差；
R(ρ)和R(m)在此均采用下式进行计算：



式(4)中，M为反演得到的模型参数，包括电阻率ρ和极化率m；
S4、通过定义敏感度作为反演参数识别的特征，设计不同物性参数的分阶段提取方法，并通过敏感度来区分当前反演所处的阶段；
定义电阻率和极化率的敏感度如下：



式(5)中，S为敏感度，G为迭代次数，fit为适应度，M为反演得到的模型参数，包括电阻率ρ和极化率m；
S5、采用基于确定策略梯度的强化学习来实现反演阶段的判断和正则化系数的设置；
S6、根据强化学习所生成的正则化系数来控制反演施加的约束，实现自适应反演参数的识别和正则化设置，得到高精度的激电信息(包括电阻率和极化率参数)。


3.根据权利要求2所述基于强化学习的自适应广域电磁法激电信息提取方法，其特征在于，步骤S5中，所述强化学习的步骤包括...

【专利技术属性】
技术研发人员：董莉，江沸菠，李小龙，肖林，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：湖南;43