|
|||||
|
|
| 基于CNN-GAN组合模型的可控源电磁反演方法北大核心CSCD | |
| 引用本文： | 马琰祁李伟勤吴育涵钟连诚.基于CNN-GAN组合模型的可控源电磁反演方法北大核心CSCD[J].大地测量与地球动力学,2023(10):1095-1100. |
| 作者姓名： | 马琰祁李伟勤吴育涵钟连诚 |
| 作者单位： | 1.西南石油大学电气信息学院610500; |
| 基金项目： | 四川省科技计划(2020YFG0182)；四川省安全生产监督管理局项目(四川-0004-2016AQ)；中国石油勘探开发研究院科技项目(RIPED.CN-2019-CL-53)。 |
| 摘 要： | 提出一种基于卷积神经网络(CNN)和生成对抗网络(GAN)组合模型的可控源电磁反演方法。为突出异常体信息,将总场进行差分预处理,同时修改损失函数以增强GAN的稳定性。将差分总场送入CNN,得到地面接收电场与地下异常体电导率数据之间的结构化因果关系;输出异常体的粗略电导率模型,再将其作为GAN的输入,在GAN中提取特征进行训练,得到高精准和高对比度的电导率反演结果,以达到工程应用的要求。通过将CNN-GAN组合模型与传统神经网络模型的预测结果进行对比发现,CNN-GAN组合模型优于传统神经网络模型,能够更好地预测地下异常体的电导率模型,相似度高达94.38%,比传统CNN和GAN模型分别提高约48%和78%。 |
| 关 键 词： | 卷积神经网络 生成对抗网络 差分总场 可控源电磁法 网络结构 参数评价 |
| 本文献已被 维普 等数据库收录！ | |