基于转换函数恢复目标台地磁模型值     

陈泓燕  韩鹏  服部克巳 《地震地磁观测与研究》2022,(S1):226-228

<正>1研究背景外实际观测的电磁信号来源主要有几部分,包括最强烈的、自然的、全球性的信号,如地磁场的日变化和磁脉动,来自直流电车等驱动的地下电流产生的人为和近场噪声以及与地下活动有关的地震电磁信号（Harada et al,2004）。地震电磁研究问题的关键是如何从其他噪声中区分地震相关信号。远场参考方法可用于消除目标台站来自空间场源的扰动信号（Han et al,2013）。本研究基于目标台与参考台的台站间转换函数,  相似文献   

完全非线性孤立波的直墙反射   总被引：2，自引：2，他引：0  

刘桦 吴卫王本龙  杨永获 《海洋工程》2000,18(1):1-6

报道了应用边界积分方法模拟完全非线性孤立波的传播与直墙反射,给出了波形演变过程。结果表明,本模型对计算孤立波的传播与直墙反射是有效的。三阶Boussinesq方程的孤立波解比低阶方程的孤立波解更接近完全非线性的数值解.当来波波高增大时,孤立波直墙反射的相位滞后变小。若考虑大波高孤立波的直墙反射或波——波相互作用,一阶理论预报的相位滞后往往低估实际情况。  相似文献   

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