-
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:CN115356784A
公开(公告)日:2022-11-18
申请号:CN202211041084.4
申请日:2022-08-29
Applicant: 西南交通大学
Abstract: 本发明公开了一种自适应阻尼系数的广义极小残差大深度位场向下延拓方法,包括以下步骤:S1:获取实测二维平面位场数据,并将其网格化为规则点距的位场数据;S2:将规则点距的位场数据按行重排为向量;S3:确定位场向下延拓的深度,计算位场向下延拓的系数;S4:获取位场向下延拓系数矩阵A;S5:利用Arnoldi算法获得Krylov子空间的正交矩阵Qk以及上Hessenberg矩阵;S6:建立最小二乘问题,求解获得dk;S7:根据Krylov子空间的正交矩阵Qk以及dk,计算待延拓的位场列向量数据,并将位场列向量数据转换为待延拓的矩阵数据,获得向下延拓结果。本发明能够快速、稳定地获得更精确的向下延拓结果。
-
公开(公告)号:CN115718288A
公开(公告)日:2023-02-28
申请号:CN202211493260.8
申请日:2022-11-25
Applicant: 西南交通大学
IPC: G01S7/41 , G06F30/23 , G06F30/27 , G06F17/18 , G06F119/02
Abstract: 本发明公开了一种隧道衬砌中钢筋的去噪方法,包括步骤S1、针对隧道衬砌结构设计符合实际意义的隧道衬砌中钢筋网覆盖下的病害模型,通过时域有限差分正演(FDTD)得到正演模拟图,同时设计出与病害相对应的真实模型图;步骤S2、将正演模拟图作为输入和真实模型图作为输出放在GPR‑invNet网络结构中进行训练及参数迭代,获得最优的GPR‑invNet网络结构;步骤S3、根据训练后最优的GPR‑invNet网络结构输出去噪预测结果图。本发明具有处理时间快、操作简单、精度高等优点。
-
公开(公告)号:CN118330759A
公开(公告)日:2024-07-12
申请号:CN202410750985.3
申请日:2024-06-12
Applicant: 西南交通大学
IPC: G01V3/38
Abstract: 本发明涉及地空电磁勘探领域,公开了一种基于地空电磁的物数混合驱动反演方法,该方法的步骤为:步骤S1获得感应电动势随时间分布的标签数据集;步骤S2:构建物理‑数据混合驱动反演模型;步骤S3:构建物理‑数据混合驱动反演模型的损失函数Loss;损失函数包括深度学习损失函数Loss1和第二损失函数Loss2;步骤S4:训练物理‑数据混合驱动反演模型;步骤S5:采用步骤S4得到的物理‑数据混合驱动反演模型对实测数据进行反演,输出反演结果;本发明将物理驱动间接引入先前完全数据驱动的深度学习反演方案中,可以减小拟合误差使得伪逆算子更加逼近实际训练模型、优化反演进程等得到更精确的伪逆算子,从而提高反演效率。
-
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。
-
公开(公告)号:CN217805314U
公开(公告)日:2022-11-15
申请号:CN202222110723.X
申请日:2022-08-11
Applicant: 西南交通大学
IPC: B64D47/00
Abstract: 本专利提出一种无人机载磁通门磁力计固定装置,涉及无人机技术领域。包括从上到下依次设置的第一固定板、第二固定板和第三固定板,所述第一固定板的顶部与无人机底部固定连接,所述第一固定板与第二固定板之间通过橡胶卡扣连接,所述第二固定板底部固定连接有两根平行的内滑轨,所述第三固定板顶部固定连接有两根平行的外滑轨,两根内滑轨的底部分别沿对称线向外水平延伸形成外沿,两根外滑轨的顶部分别沿对称线向内水平延伸形成内沿,外沿的底部与内沿的顶部沿水平方向滑动配合。这种固定装置具有强度高,结构稳定,自重轻的优点。
-
-
-
-
-
-