排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
大地电磁反演是非线性问题,传统的大地电磁反演采用线性反演,结果往往会陷入局部最优,为此,在标准BAS算法的基础上,引入混沌种群概念、指导性学习策略及竞技场策略,实现带学习和竞争机制的混沌天牛群搜索算法(LCCBSA).利用LCCBSA算法、粒子群算法和遗传算法分别对测试函数试算,结果表明该算法与其他算法相比具有较快的收... 相似文献
2.
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
1