瞬变电磁长短时记忆网络深度学习实时反演方法

作     者：范涛 薛国强 李萍 燕斌 鲍亮 宋金秋 任笑 李泽林 FAN Tao;XUE GuoQiang;LI Ping;YAN Bin;BAO Liang;SONG JinQiu;REN Xiao;LI ZeLin

作者机构：中煤科工西安研究院(集团)有限公司西安710077 中国科学院地质与地球物理研究所中国科学院矿产资源研究重点实验室北京100029 西安电子科技大学计算机科学与技术学院西安710071 

基　　金：陕西省自然科学基础研究计划重点项目(2022JZ-16) 天地科技股份有限公司科技创新创业资金专项项目顶层设计重点项目(2020-TD-ZD003) 天地科技股份有限公司科技创新创业资金专项面上项目(2022-2-TD-MS006) 国家自然科学基金重点项目(42030106)资助 

出 版 物：《地球物理学报》 (Chinese Journal of Geophysics)

年 卷 期：2022年第65卷第9期

页      码：3650-3663页

摘      要：瞬变电磁一维反演方法对初始模型依赖大,对异常体边界反映不清晰,计算速度也难以达到实时化水平.为此,本文开展基于深度学习的瞬变电磁实时反演方法研究,提出在非观测时间段进行反演训练,而在观测时间段进行实时精细成像的瞬变电磁长短时记忆网络反演策略.以正演模拟获得的海量采样时间-视电阻率为输入数据,基于长短时记忆网络构造Seq2seq编码器-解码器模型,并针对瞬变电磁反演的问题特性,对decoder的结构进行适应性更改,同时加入Bahdanau Attention机制突出重点信息作用,获得深度-电阻率输出数据.将该反演网络应用于随机生成的数万组以上三层和五层地电模型,测试组三大衡量指标标准差均小于10%,验证了本文算法的可靠性,在此基础上,构建了接近实际的两组含局部异常体模型,将该反演网络进一步用于三维数值模拟数据,取得了对异常体边界反映清晰的成像结果,且计算速度均小于1 s.

主 题 词：瞬变电磁法 长短时记忆网络 精细反演 地电边界 实时成像 

学科分类：081801[081801] 081802[081802] 08[工学] 0818[工学-交通运输类] 

核心收录：

D　O　I：10.6038/cjg2022P0572

馆 藏 号：203114175...