| 基于全卷积神经网络的磁异常及磁梯度异常反演 |
| |
| 引用本文： | 张志厚,路润琪,廖晓龙,徐正宣,乔中坤,范祥泰,姚禹,石泽玉,刘鹏飞,陆三明.基于全卷积神经网络的磁异常及磁梯度异常反演[J].地球物理学进展,2021,36(1):325-337. |
| |
| 作者姓名： | 张志厚 路润琪 廖晓龙 徐正宣 乔中坤 范祥泰 姚禹 石泽玉 刘鹏飞 陆三明 |
| |
| 作者单位： | 西南交通大学地球科学与环境工程学院,成都 611756;西南交通大学高速铁路线路工程教育部重点实验室,成都 610031;西南交通大学地球科学与环境工程学院,成都 611756;西南交通大学地球科学与环境工程学院,成都 611756;中铁二院地勘岩土工程有限责任公司,成都 610000;吉林大学地球探测科学与技术学院,长春 130021;安徽省公益性地质调查管理中心,合肥 230001 |
| |
| 摘 要： | 地球物理反演问题具有病态性、不适定性,传统的线性反演方法面临着次优逼近和初始模型选择等挑战,为了提高磁场数据反演的精度,受深度学习卓越的非线性映射能力的启发,本文提出了一种基于全卷积神经网络的磁异常及磁梯度异常反演方法.文中首先提出了一种基于网格点几何格架的磁异常及磁梯度异常的空间域快速正演算法,这为本文全卷积神经网络反演算法的实现奠定了基础;随后对大量不同剩余磁化强度模型进行正演计算获得样本数据集,将正演数据作为输入层,磁化强度模型作为输出层,并基于U-net网络结构设计了一种端到端的网络结构(MagInvNet),再对该网络结构进行监督学习与参数优化;最后进行反演预测.三组模型试验表明,MagInvNet网络能够快速准确识别出磁异常体的位置与形状,并且能够准确的反演出异常体磁化强度的大小,对于含噪声数据,其反演结果的质量不会降低.本文最后利用安徽霍邱铁矿的航磁数据验证了文中方法的有效性.
|
| 关 键 词： | 全卷积神经网络 端到端 快速正演与反演 磁异常及磁梯度异常 |
Inversion of magnetic anomaly and magnetic gradient anomaly based on fully convolution network |
| |
| ZHANG ZhiHou,LU RunQi,LIAO XiaoLong,XU ZhengXuan,QIAO ZhongKun,FAN XiangTai,YAO Yu,SHI ZeYu,LIU PengFei,LU SanMing.Inversion of magnetic anomaly and magnetic gradient anomaly based on fully convolution network[J].Progress in Geophysics,2021,36(1):325-337. |
| |
| Authors: | ZHANG ZhiHou LU RunQi LIAO XiaoLong XU ZhengXuan QIAO ZhongKun FAN XiangTai YAO Yu SHI ZeYu LIU PengFei LU SanMing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
