-
公开(公告)号:CN118194728B
公开(公告)日:2024-07-16
申请号:CN202410605489.9
申请日:2024-05-16
Applicant: 西南交通大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0464 , G06N3/084 , G01V3/38
Abstract: 本发明涉及一种大地电磁物理与数据混合驱动反演方法,属于地球物理勘探技术及其工程地质应用领域。本发明的一种大地电磁物理与数据混合驱动反演方法,包括建立大地电磁模型;设定不同的大地电磁模型参数对大地电磁模型进行正演计算,获得相应的视电阻率数据和阻抗相位数据;根据不同的大地电磁模型参数以及对应的视电阻率数据和阻抗相位数据构建样本数据集;构建深度学习网络模型,并设定损失函数;通过样本数据集对深度学习网络模型进行训练,得到训练好的深度学习网络模型;将实测数据输入训练好的深度学习网络模型;根据反演结果绘制隧道剖面图。本发明通过在数据驱动中加入物理约束,使处理复杂数据时结果更准确可靠,更符合物理规律。
-
公开(公告)号:CN118194728A
公开(公告)日:2024-06-14
申请号:CN202410605489.9
申请日:2024-05-16
Applicant: 西南交通大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0464 , G06N3/084 , G01V3/38
Abstract: 本发明涉及一种大地电磁物理与数据混合驱动反演方法,属于地球物理勘探技术及其工程地质应用领域。本发明的一种大地电磁物理与数据混合驱动反演方法,包括建立大地电磁模型;设定不同的大地电磁模型参数对大地电磁模型进行正演计算,获得相应的视电阻率数据和阻抗相位数据;根据不同的大地电磁模型参数以及对应的视电阻率数据和阻抗相位数据构建样本数据集;构建深度学习网络模型,并设定损失函数;通过样本数据集对深度学习网络模型进行训练,得到训练好的深度学习网络模型;将实测数据输入训练好的深度学习网络模型;根据反演结果绘制隧道剖面图。本发明通过在数据驱动中加入物理约束,使处理复杂数据时结果更准确可靠,更符合物理规律。
-