【技术实现步骤摘要】
本申请涉及地球物理地质资源勘探，特别是涉及一种基于深度学习的居里面反演方法及相关装置。
技术介绍
1、随着区域地球物理工作的开展，研究区域及深部地质构造、寻找开发深部矿产资源已日益为地质、地球物理学家所重视。磁法勘探的应用领域也在不断扩大。确定居里等温面深度对研究区域及深部地质构造具有十分重要的意义。
2、现有技术关于起伏密度界面的迭代反演法，存在界面反演结果的精度低的缺陷。
技术实现思路
1、本申请的目的是提供一种基于深度学习的居里面反演方法及相关装置，可提高居里面的反演精度。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种基于深度学习的居里面反演方法，包括：
4、获取研究区域内的实测磁异常数据；
5、将所述实测磁异常数据作为输入，利用训练好的居里面预测模型输出居里面起伏数据，其中，所述居里面预测模型是以磁异常模拟数据为特征数据，以磁异常模拟数据作为标签数据训练得到的深度学习网络模型。
6...
【技术保护点】
1.一种基于深度学习的居里面反演方法，其特征在于，所述基于深度学习的居里面反演方法包括：
2.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型为U-Net网络模型。
3.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型的训练过程，具体包括：
4.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型中的输入通道数量为1个，输出通道数量为1个。
5.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型中的激活函数中间层使用...
【技术特征摘要】
1.一种基于深度学习的居里面反演方法，其特征在于，所述基于深度学习的居里面反演方法包括：
2.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型为u-net网络模型。
3.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型的训练过程，具体包括：
4.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型中的输入通道数量为1个，输出通道数量为1个。
5.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预测模型中的激活函数中间层使用relu函数，最后一层使用tanh函数。
6.根据权利要求1所述的基于深度学习的居里面反演方法，其特征在于，居里面预...
【专利技术属性】
技术研发人员：周文纳，徐柏虎，禅永康，吴云梦，李强，
申请(专利权)人：兰州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。