排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
4.
针对传统反演方法存在依赖初始模型、反演时间较长等问题,提出一种基于改进残差网络的大地电磁反演方法。该方法首先构造不同形状和不同电阻率的地电模型,在TM模式下正演得到视电阻率数据,组成数据集;然后在经典的残差网络ResNet基础上进行改进得到一种新的反演网络iResNet(improved residual network),并使用上述数据集训练该网络;最后将视电阻率数据输入到训练好的网络中,直接得到反演结果。实验结果表明,该方法能快速、准确地反演出地电模型的位置、形态和电阻率值,具有较好的泛化能力和抗噪能力,并能有效解决大地电磁实测数据问题。 相似文献
5.
如何通过大地电磁测深反演方法来提高数据解释的精度一直都是大地电磁测深研究领域的重要课题。针对大地电磁传统反演方法存在的初始模型依赖、易陷入局部最优的问题,提出了一种基于深度学习的大地电磁二维反演方法。该方法首先设计GoogLeNetINV神经网络;接着构造多种地电模型,在TM模式下通过正演得到视电阻率数据,组成训练数据集;然后用训练数据集训练该神经网络并调整网络参数;最后,将视电阻率数据输入已训练好的GoogLeNetINV神经网络直接得到反演结果。实验结果表明,该方法能快速、准确地反演出“未学习”过地电模型的位置和电阻率数据,具有较好的泛化能力;使用噪声数据测试仍能取得良好的反演结果,有一定的抗噪声能力。将该神经网络应用于Bendigo Zone实际数据资料处理中,反演得到的电阻率模型与地震解释一致,因此基于深度学习的大地电磁反演方法能有效解决大地电磁反演问题。 相似文献
6.
不同插值方法对CORS高程时间序列的影响分析 总被引:2,自引:0,他引:2
在CORS站高程时间序列的研究中,当连续缺失较多数据时,插值显得尤为重要。为了较好地解决这个问题,本文尝试采用正交多项式拟合的方法,分别利用正交多项式拟合、拉格朗日和三次样条等插值方法对高程时间序列进行插值,并对不同方法的插值结果进行了分析比较,验证了正交多项式拟合的可行性及有效性。结果表明:在高程时间序列插值中,三次样条插值结果较差;连续缺失3个点及以下时,正交多项式拟合、拉格朗日插值结果均较好,插值效果相当;随着缺失点数量的增加,正交多项式拟合结果要优于另2种方法。 相似文献
7.
8.
利用改进的FCM方法分割高分辨率遥感影像 总被引:1,自引:0,他引:1
传统的模糊C均值聚类算法进行图像分割时只考虑了图像的灰度特征,而忽略了图像中丰富的空间邻域信息,从而导致该算法对噪声很敏感,并得到错误的分割结果。提出两种利用空间信息改进的模糊C均值聚类算法分割高分辨率遥感影像,并通过大量试验验证其有效性,该算法可减少错误分类像素的数目,降低噪声的影响,提高分割结果的精度。 相似文献
9.
1