一种瞬变电磁激电信息的深度学习提取方法技术

本发明专利技术公开一种瞬变电磁激电信息的深度学习提取方法，包括步骤一、建立地电模型，步骤二、计算一维电磁

【技术实现步骤摘要】
一种瞬变电磁激电信息的深度学习提取方法


[0001]本专利技术涉及资源能源人工源电磁勘探
，尤其涉及一种瞬变电磁激电信息的深度学习提取方法。

技术介绍

[0002]电磁勘探技术是探测隐伏矿床越来越重要的手段，为了实现深部矿产资源的精确探测，需要精细化电磁勘探技术的理论、方法、技术与应用，作为一种高效率、高效益及高分辨率的电磁方法，瞬变电磁法依据矿体与围岩的电阻率差异在岩浆硫化物矿床、火山成因块状硫化物矿床等矿产资源深部勘探中发挥了重要作用；但是硫化物矿体通常表现出较高的极化率，容易引起瞬变电磁实测数据的改变，甚至会出现畸变及符号反转等现象，实测的瞬变电磁响应往往也包含激电响应，这增加了反演的多解性，如何准确地从综合响应中提取出电阻率、极化率等信息变成了尤为重要的一步；目前通常先利用早期数据反演获得电阻率，然后利用反演得到的电阻率信息正演得到电磁响应，从观测的数据中减去电磁响应得到激电响应，进一步对激电响应反演获得极化率等信息，然而，野外实测的早期数据也包含激电响应，传统反演方法存在步骤复杂、计算量大及严重依赖解释人员经验的问题，因此，本专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瞬变电磁激电信息的深度学习提取方法，其特征在于，包括以下步骤：步骤一、根据地质信息构建三层构造的简化地电模型，并在地电模型中加入地层厚度、电阻率和地层的极化率信息；步骤二、根据瞬变电磁一维正演程序，计算地电模型的一维电磁
‑
激电综合响应，利用响应和对应的电模型的参数共同构成数据集，并进行分割得到训练集和测试集；步骤三、构建LSTM神经网络模型，并以综合响应数据集分割的训练集作为输入，以地层的极化率作为标签输出对LSTM神经网络模型进行训练，得到训练好的LSTM神经网络模型；步骤四、使用综合响应数据集分割得到的测试集作为输入，以地层的极化率作为标签输出对训练好的LSTM神经网络模型进行测试，获得最终的神经网络模型；步骤五、将在野外测区采集的瞬变电磁数据导入至最终的神经网络模型中，获得预测的地层极化率信息输出，完成电磁
‑
激电综合响应中的极化率信息提取。2.根据权利要求1所述的一种瞬变电磁激电信息的深度学习提取方法，其特征在于：所述步骤一中采用python中的随机函数生成地电模型中每层极化率，第一层和第三层的极化率m1和m3取值在[0
‑
0.1]之间，第二层的极化率m2取值在[0.10
‑
0.98]之间。3.根据权利要求1所述的一种瞬变电磁激电信息的深度学习提取方法，其...

【专利技术属性】
技术研发人员：张顺，周楠楠，薛国强，魏新昊，
申请(专利权)人：中国科学院地质与地球物理研究所，
类型：发明
国别省市：