共查询到20条相似文献，搜索用时 531 毫秒
1.
郑建波李美艳 《物探化探计算技术》2023,(4):478-483
航空瞬变电磁法以其快速高效的优势已获得广泛应用,然而航空瞬变电磁采样密集,数据量巨大。为了实现航空瞬变电磁观测数据的快速解释,开展航空瞬变电磁快速成像算法研究。利用反函数定理建立成像迭代格式,并在成像过程中考虑发射源高度和观测时间的影响,进而实现航空瞬变电磁全时域全空域快速成像。这里首先给出了全时域全空域成像理论和实现方法,然后对航空瞬变电磁装置进行了介绍,最后建立了典型采空区模型,利用开发的航空瞬变电磁全时域全空域视电阻率成像方法进行数据成像,成像结果与真实模型基本一致,验证了方法的有效性。 相似文献
2.
《物探与化探》2016,(3)
将等效导电平面快速算法与合成孔径相关叠加技术相结合,实现了航空瞬变电磁快速成像解释算法。为了进一步获得更好的成像效果与更优的分辨率,对合成孔径算法中的关键技术进行了研究。首先给出最佳孔径尺寸的求取方法,并通过多个模型进一步验证孔径尺寸对于成像效果的显著影响;接着利用大量数值模拟结果分析孔径大小与异常体埋深、围岩与异常体电阻率比值等因素之间的关系,总结规律利用数值拟合方法求取其函数表达式,并根据函数表达式直接确定最佳孔径尺寸的大小;最后,利用多个模型示例证实合成孔径成像方法能够有效圈定异常范围、提高横向与纵向的目标分辨率,并且该方法不受海量航空数据的影响,计算速度快、可用于实时成像。以上研究成果进一步提高了航空瞬变电磁法的解释精度,为丰富航空瞬变电磁解释方法、提高勘探效率提供了理论依据。 相似文献
3.
刘高村王绪本袁崇鑫李德伟谢卓良 《物探化探计算技术》2023,(4):484-496
传统大地电磁反演通常是基于确定性梯度的迭代求解,不仅需要大量时间计算雅可比矩阵,还依赖于初始模型的输入和正则化因子等参数的设置。近年来学者们不断引入机器学习方法以试图改善大地电磁反演,该方法不需要计算雅可比矩阵,不用输入初始模型,训练好的网络仅需几毫秒就可实现反演成像。这里利用Google团队提出的Transformer神经网络经典框架搭建大地电磁数据和模型之间的映射网络,以9240组正演数据为样本,对Transformer网络参数进行训练。采用南非开源大地电磁数据,实现了由视电阻率图像到电阻率模型的反演成像。研究表明:①经训练后的Transformer网络可以较准确的反映出异常体位置和大小;②网络实现了简单的矩阵并行化运算,大幅度提高训练的效率,且成像效率高于传统的反演。 相似文献
4.
《物探化探计算技术》2017,(1)
半航空时间域电磁法集成了地面和航空电磁法各自的优势,不仅容易实现大发射磁矩,增大勘探深度,同时还可以提高勘探效率。但是由于半航空时间域电磁法在测量过程中,收、发距会发生变化,因此与地面和航空电磁法相比,其数据处理与反演解释更加困难。以长导线电性源半航空电磁法为例,将自适应正则化反演算法应用于半航空时间域电磁数据反演中。首先给出最平缓模型约束条件下的半航空时间域电磁数据自适应正则化反演算法,并引入并行技术实现了该反演算法的并行计算;然后对两种三层地电模型和一种六层地电模型的理论电磁响应加高斯白噪声后的数据进行反演计算;最后对其反演结果和并行计算的效率进行了详细地分析与讨论。实验结果分析表明:自适应正则化反演算法是一种有效的半航空时间域电磁数据反演解释方法,该方法具有很好的收敛性和稳定性;自适应正则化反演算法并行计算能大大减少反演计算时间,提高反演效率。 相似文献
5.
6.
7.
《地质科技情报》2020,(2)
为了了解频率域航空电磁法在水资源勘查中的应用条件和勘查效果,以层状介质模型为基础,计算了多种水文地电模型、多种电磁系统装置的频率域航空电磁响应。通过分析吊舱式直升机频率域航空电磁系统、固定翼频率域航空电磁系统在不同水文地电模型的电磁响应特征和衰减规律,分析了这2套系统在不同水文地电模型条件下的探测深度,即在盐渍化地区,频率域航空电磁系统最大勘探深度为60 m,在非盐渍化地区最大勘探深度为130 m。在综合分析频率域航空电磁法在水资源勘查应用前景的的基础上,通过国内外应用实例表明,频率域航空电磁法在中国东部沿海地区,以及内陆干旱地区寻找浅层淡水是有效的。该项成果对今后利用频率域航空电磁法进行水资源调查具有重要意义。 相似文献
8.
为了研究复杂地电模型的航空瞬变电磁法全波形响应特征,需要开发考虑发射波形的三维数值模拟算法。本研究基于非结构四面体网格和位移逆Krylov子空间(Shift-and-Invert Krylov,简称SAI Krylov)方法,采用基于电偶极子离散的场源处理方法模拟场源,在时间域进行计算实现了全波形航空瞬变电磁法矢量有限元三维数值模拟。使用均匀半空间模型在阶跃波、半正弦波、三角波和梯形波激发下的全波形解析解、VTEM实际激发波形的后推欧拉算法计算结果,检验了本研究开发的数值模拟算法的正确性。设计地表起伏异常体模型,计算和分析了航空瞬变电磁响应特征。开发的基于位移逆Krylov子空间的全波形航空瞬变电磁法三维数值模拟算法适合模拟复杂地电模型的响应,具有较高的计算精度。 相似文献
9.
为了研究地形对频率域航空电磁法的影响程度,以及如何有效提取由于地形产生的航空电磁场,笔者利用频率域有限差分法开展了复杂地形条件下的频率域航空电磁响应计算和分析研究。计算结果表明,坡度较陡的地形对频率域航空电磁响应影响较大(尤其在沟谷位置地形影响最大),以至于增加了电磁异常的复杂程度,影响了电磁异常的解释结果。在综合研究的基础上,采用二维和三维的地形校正方法对典型地形地电模型进行校正,有效去除和压制了地形引起的电磁干扰异常,突出了异常体引起的电磁异常,提高了频率域航空电磁的解释效果。 相似文献
10.
《物探化探计算技术》2017,(2)
针对航空瞬变电磁法正演算法结构与GPU的并行性运算相结合,推导出了航空瞬变电磁法一维正演公式,在2007年NVIDIA公司推出的CUDA平台上实现了一维正演算法在GPU上的调用。为验证CUDA C语言程序的正确性,设计了几个模型,并与C代码模拟的响应做了对比,结果表明,基于GPU的CUDA C代码所编的程序在航空瞬变电磁法的模拟中拥有明显优势,速度提高非常明显,在复杂的地球物理学模型计算和反演中,拥有巨大的发展潜力。 相似文献
11.
Ahmad Neyamadpour W. A. T. Wan Abdullah Samsudin Taib 《Journal of Earth System Science》2010,119(1):27-40
The objective of this paper is to investigate the applicability of artificial neural networks in inverting quasi-3D DC resistivity
imaging data. An electrical resistivity imaging survey was carried out along seven parallel lines using a dipole-dipole array
to confirm the validation of the results of an inversion using an artificial neural network technique. The model used to produce
synthetic data to train the artificial neural network was a homogeneous medium of 100Ωm resistivity with an embedded anomalous
body of 1000Ωm resistivity. The network was trained using 21 datasets (comprising 12159 data points) and tested on another
11 synthetic datasets (comprising 6369 data points) and on real field data. Another 24 test datasets (comprising 13896 data
points) consisting of different resistivities for the background and the anomalous bodies were used in order to test the interpolation
and extrapolation of network properties. Different learning paradigms were tried in the training process of the neural network,
with the resilient propagation paradigm being the most efficient. The number of nodes, hidden layers, and efficient values
for learning rate and momentum coefficient have been studied. Although a significant correlation between results of the neural
network and the conventional robust inversion technique was found, the ANN results show more details of the subsurface structure,
and the RMS misfits for the results of the neural network are less than seen with conventional methods. The interpreted results
show that the trained network was able to invert quasi-3D electrical resistivity imaging data obtained by dipole-dipole configuration
both rapidly and accurately. 相似文献
12.
地震资料处理是地震勘探中的关键环节,由于地下构造和地表条件的复杂性,地震资料的处理需要经过一系列复杂流程,从而形成多种不同类型的地震数据。不同种类的地震数据具有不同的数据特征,充分利用和发掘其中的数据特征,不仅可以充分发挥处理方法的技术潜力,消除各类非地质因素对地震资料处理质量的影响,同时可以增强地震资料处理的可靠性,改善地震资料的资料信噪比及分辨率,在复杂油气藏勘探开发中具有非常重要的基础作用。叠前地震成像道集（CRP）中的有效信号同相轴近似水平,叠后地震成像数据因为地层沉积的规律性,有效信号相比于随机噪声、成像画弧噪声等干扰具有规律、简单等特点。具体表现为CRP道集及叠后地震资料有效信号具有多尺度自相似性的特征,其高维Fourier （FK或FKK）域主要能量集中在低频、低波数区域。针对上述地震数据的特点,提出一种基于先验信息约束的深度网络地震资料无监督噪声压制方法。受到深度图像先验（DIP）的启发,神经网络的结构可以视为一种特殊的隐式先验信息,合理设计网络结构可以使得网络具有多尺度自相似性特征的提取能力。由于叠前地震成像道集数据和叠后地震成像数据有效信号的多尺度自相似性,而噪声不具备这一特性,因此,特定结构的网络可以从原始数据提取出有效信号,从而达到噪声压制的目的。叠前成像道集和叠后成像的实际数据随机噪声压制试验结果表明,本文方法具有良好的保真性与鲁棒性。此外,由于本文方法具有强大的特征提取能力,因此,对常规方法不易压制的弧状成像噪声也有良好的效果。 相似文献
13.
塔河油田奥陶系碳酸盐岩岩溶储集体类型及划分方法研究 总被引：2，自引：0，他引：2
塔河油田奥陶系油藏储集体类型的多样性和复杂性,给常规测井定量解释带来了很大困难。此类油藏储集体类型的划分和识别对油田开发极为重要。根据6口关键井的电成像测井(FMI)和岩心样品特征,将塔河碳酸盐岩储集体划分为未充填洞穴型、垮塌充填洞穴型、机械充填洞穴型和裂缝型4类。依据其中5口井的常规测井响应和4类储集体划分结果,选用GR、RD、RS、K3(深浅侧向电阻率倒数差的绝对值)、AC、DEN和CNL共7种测井信息作为神经网络的输入学习样本,经学习训练建立了储层划分的神经网络模型。通过检验井对比,说明基于神经网络模型,通过常规测井的多参数约束,可以判断岩溶型储集体类型。经本次研究,初步形成了储集体半定量评价标准。 相似文献
14.
基于人工神经网络的岩爆预测方法 总被引：8，自引：0，他引：8
在分析岩爆主要影响因素的基础上，建立了一种新的人工神经网络岩爆预测模型。采用已有岩爆发生数据作为训练样本对网络进行训练，利用收敛的网络进行岩爆烈度预测，预测结果与实际吻合，说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。 相似文献
15.
16.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。 相似文献
17.
为解决以往模型未考虑地下水位相关影响因素的问题，探讨长短期记忆（LSTM）神经网络在地下水位预测中的应用，利用长短期记忆神经网络，采用多变量输入的方式，构建了基于多变量LSTM神经网络的地下水水位预测模型。以泰安市岱岳区J1号监测井为例，采用2001-2014年地下水水位动态监测资料与相关影响因素数据，利用多变量LSTM神经网络对2015-2016年地下水位进行预测，并与单变量LSTM神经网络和反向传播（BP）神经网络进行对比。研究结果表明：以相关影响变量为输入的BP神经网络无法考虑时序变化规律，预测均方根误差最大，为2.399 3；以地下水位为变量输入的单变量LSTM神经网络仅能根据时序变化作出相应预测，无法考虑相关变量影响，预测均方根误差为2.102 2；基于多变量输入的LSTM神经网络的预测精度显著高于单变量LSTM神经网络和BP神经网络，预测均方根误差最小，仅为1.919 1。总体上，多变量LSTM神经网络地下水位预测模型仅在某些峰值处误差较大，但总体预测效果较为理想。 相似文献
18.
为了建立一个适合于三峡库区的塌岸预测方法体系,采用具有处理非线性关系功能的人工神经网络方法对水库塌岸问题进行研究。通过训练、学习和仿真,获得预测正确率为97.2%的具有7-32-14网络结构的BP神经网络模型,采用该模型对蓄水位为175 m时丰都县各岸段进行塌岸预测,并将预测结果与传统经验公式计算法所得结果及实际监测数据进行对比。结果表明:基于人工神经网络的塌岸预测宽度与实际监测数据很接近,偏差在5 m以内;公式法计算结果与监测值平均偏差为15.9 m,而且对于部分坡段,公式法计算结果比实际监测值小8～11 m,没能预测出塌岸的真正范围。采用神经网络模型对丰都县水库进行塌岸预测,预测结果与实际监测数据平均偏差约3.8%,表明其预测结果可靠。 相似文献
19.
广义回归神经网络预测加筋土支挡结构高度 总被引：9，自引：3，他引：9
土工合成材料加筋支挡结构（Geosythetics-Reinforced Retaining Wall, 简称GRW）设计方法主要是建立在似粘聚力理论基础之上的半经验设计法。由于土性及加筋机理的复杂性，常常要对它们进行人为假定，导致计算结果差强人意。神经网络方法与传统方法的不同之处在于不需要主观假定，而是模拟人脑思维，通过数据样本的学习来获得预测结果。引入神经网络技术来预测加筋土支挡结构的设计高度是一种新尝试。由于本问题具有样本容量非常有限、影响因素复杂多样的特点。因此，采用适用于稀土样本数据的广义回归网络（General Regression Neural Network)来预测加筋土支挡结构设计高度。基于MATLAB神经网络工具箱及文献[1]的挡墙离心模型试验结果，建立了一个可用于加筋支挡结构设计高度预测的GRNN网络。通过对足尺试验，实际工程及模型试验结果的检验，表明网络的学习是成功的，具有一定指导意义。 相似文献
20.
矿物识别在许多研究领域都有着重要作用,基于深度学习技术的智能矿物识别为这些领域带来了新的发展方向,不仅能有效节省人工成本,还能减小识别错误。针对石英、角闪石、黑云母、石榴石和橄榄石共5种矿物进行实验,提出了一种准确高效的智能矿物识别方法。实验采用图像分析常用的卷积神经网络建立模型,设计出一套基于残差神经网络的矿物识别方法。本实验独立采集了5种矿物的偏光显微图像数据集,用于模型的训练、验证和测试,并通过合理的数据增强策略来扩充训练数据集。在卷积神经网络的结构设计上,选取了ResNet-18作为框架,最终于模型测试中取得89%的准确率,成功训练出一个较为精准的矿物识别模型,实现了基于深度学习的智能矿物识别方法。 相似文献