基于深度学习的钻孔雷达反演煤岩界面的方法技术

本申请涉及一种基于深度学习的钻孔雷达反演煤岩界面的方法，在建立数据集时钻孔雷达天线中心频率覆盖面广，子波类型多，覆盖的面广，所建立的层状地质模型采用随机介质进行建模，采用的数据具有随机性，更接近实际地层的介质分布；该方法在建立好网络结构，训练测试满足条件后，保存网络的参数，对于实际测量的数据直接输入网络中进行预测，实际应用时计算效率高，能够满足大量数据现场反演的需求；此外，方法输出的结果直接为钻孔雷达探测区域的地层相对介电常数分布，对于煤岩界面显示直观，同时对于有其他异常构造显示也可直观显示出来。

【技术实现步骤摘要】

本申请涉及煤岩界面探测，具体地，涉及一种基于深度学习的钻孔雷达反演煤岩界面的方法。

技术介绍

1、在煤矿井下顺煤层钻孔中，可以利用钻孔雷达实现高精度煤岩界面探测。目前地质雷达定量成像手段主要包括速度分析、偏移成像、层析成像以及全波形反演。前面三种方法利用波形中部分数据信息，并且需要高精度的地层速度，钻孔雷达在煤矿井下使用过程中巷道产生的巷道反射波同相轴斜率与煤层高频电磁波传播速度有关系可以确定孔口位置的煤层高频电磁波传播速度，但是由于地层存在非均质性，同时煤矿井下也存在部分钻孔开孔位置并非煤层，在钻孔深度较大时钻孔轨迹变化复杂时，煤层高频电磁波传播速度确定困难，传统的通过钻孔雷达跨孔方式来确定速度等方法在煤矿井下实施难度大，常规的偏移成像实现煤岩界面的高精度成像难度大。全波形反演方法存在耗时较大、初始模型对反演结果影响大、容易陷入局部最小值或周期跳跃等问题，在实际应用中无法使用。

技术实现思路

1、为了克服现有技术中的至少一个不足，本申请提供一种基于深度学习的钻孔雷达反演煤岩界面的方法。</p>

2、第一本文档来自技高网...

【技术保护点】

1.一种基于深度学习的钻孔雷达反演煤岩界面的方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述钻孔雷达反演煤岩界面的网络结构包括：输入层、13层计算层和输出层；

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

4.如权利要求1所述的方法，其特征在于，所述基于所述实际测量数据确定钻孔雷达在探测煤岩界面时的实际中心频率，包括：

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

6.一种基于深度学习的钻孔雷达反演煤岩界面的装置，其特征在于，包括：

7.如权利要求6所述的装置，其特征在于...

【技术特征摘要】

1.一种基于深度学习的钻孔雷达反演煤岩界面的方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述钻孔雷达反演煤岩界面的网络结构包括：输入层、13层计算层和输出层；

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

4.如权利要求1所述的方法，其特征在于，所述基于所述实际测量数据确定钻孔雷达在探测煤岩界面时的实际中心频率，包括：

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

6.一种基于深度学习的钻孔雷达反演煤岩界面的装置，其特征在于，包括：

7.如权利要...

【专利技术属性】
技术研发人员：蒋必辞，程建远，田小超，王云宏，张意，闫文超，陈刚，龙彦杰，刘磊，
申请(专利权)人：中煤科工西安研究院集团有限公司，
类型：发明
国别省市：