一种基于CNN-LightGBM的地面瞬变电磁反演方法技术

本发明专利技术涉及一种基于CNN‑LightGBM的地面瞬变电磁反演方法，包括步骤1：采用地面瞬变电磁正演程序生成样本数据集；步骤2：构建CNN‑LightGBM，并确定其最优参数；步骤3：使用最优参数训练CNN‑LightGBM；步骤4：使用测试集验证CNN‑LightGBM的反演效果；步骤5：使用训练好的CNN‑LightGBM反演实测地面瞬变电磁数据。本发明专利技术将地面瞬变电磁响应数据输入到CNN中以提取多尺度特征，然后将提取的多尺度特征使用LightGBM进行回归来提高反演的可靠性。克服了目前采用的涉及全连接的CNN架构容易受到训练速度较慢、泛化能力有限、容易出现过拟合问题的限制，加快了反演效率。

【技术实现步骤摘要】

本专利技术属于地球物理，具体涉及一种基于cnn-lightgbm的地面瞬变电磁反演方法。

技术介绍

1、地面瞬变电磁法是在地面进行的瞬变电磁法探测，是瞬变电磁法的一个分支。地面瞬变电磁法在矿产资源勘探、工程勘察、地下水资源调查和环境地质调查等领域有着广泛的应用。从地面瞬变电磁数据获得地下信息的关键是反演。

2、地面瞬变电磁反演是一个高度的非线性问题，专利技术人发现，目前的反演方法一般可以分为确定性和概率性两大类。确定性反演通过最小化目标函数(实测数据和正演数据之间的差异)来获得最优模型参数。这种方法需要较准确的地下结构先验信息，通常会遇到多个局部最小值的问题。而概率性反演将反问题转化为求解反演参数的概率分布。这种方法特别适用于高度非线性问题，然而，概率性方法计算非常耗时，并且随着模型参数数量的增加呈指数增长。面对大量的地面瞬变电磁数据反演可能需要几天时间，从而限制了了解地下结构的过程。机器学习作为一种全局搜索算法，为地面瞬变电磁反演提供了一种替代方案。卷积神经网络(cnn)是最常见的深度神经网络类型，也是近几十年来机器学习最强大的发展之一。尽管本文档来自技高网...

【技术保护点】

1.一种基于CNN-LightGBM的地面瞬变电磁反演方法，其特征在于，该方法具体包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求1所述的方法，其特征在于，

【技术特征摘要】

1.一种基于cnn-lightgbm的地面瞬变电磁反演方法，其特征在于，该方法具体包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，

...

【专利技术属性】
技术研发人员：程凯，杨晓冬，吴小平，夏彤，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：