Transformer网络在大地电磁反演成像中的应用     

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   

海水中溶解态铁的伏安极谱法与液芯波导光纤法测定          下载免费PDF全文

龙爱民  党爱翠  程远月  陈绍勇 《海洋学报》2009,31(1):152-158

尽管铁为地壳中丰度位居第4的元素,但它在海水中的浓度却很低,浓度一般为0.05~2.0 nmd/dm3[1]。近年来,国内外的海洋科学家在进行海洋生态系统初级生产力、碳循环等重要生态过程及其对全球气候变化影响的研究中发现,海洋中的铁对浮游植物的生长、初级生产力的水平有着十分重要的影响甚至成为了“限制性因子”,在多个“高营养盐、低叶绿素(HNLC)”海区所实施的富铁实验的结果很好地印证了铁元素在海洋生态系统中的重要作用[2]。最新的研究成果表明近岸海水中的铁可能对浮游植物的种类组成起到决定性的作用,进而对包括氮、磷、硅在内的其他元素的生物地球化学行为产生深远的影响[3]。  相似文献