音频大地电磁与瞬变电磁深度学习联合反演

作     者：王亮 刘威 席振铢 薛军平 侯海涛 龙霞 王威 薛文韬 WANG Liang;LIU Wei;XI ZhenZhu;XUE JunPing;HOU HaiTao;LONG Xia;WANG Wei;XUE WenTao

作者机构：湖南五维地质科技有限公司长沙410083 中南大学地球科学与信息物理学院长沙410083 中南大学有色金属成矿预测与地质环境监测教育部重点实验室长沙410083 

基　　金：国家重点研发计划课题(2022YFC2903404)资助 

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

年 卷 期：2024年第67卷第11期

页      码：4372-4384页

摘      要：联合反演在综合地球物理资料解释中扮演着重要的角色, 数据驱动的深度学习技术的发展为地球物理反演带来了新的发展方向和机遇.因此, 本文提出一种基于深度学习的音频大地电磁(AMT)和瞬变电磁(TEM)联合反演方法.首先, 为AMT和TEM生成统一的地下介质电阻率模型, 并分别进行正演, 建立用于网络训练的样本数据集;然后, 将残差网络作为主干网络, 基于UNet网络架构, 设计和构建一种端到端的AMT和TEM联合反演深度学习模型JoATInvNet;其次, 针对两者响应数据的差异性, 引入两种不同的数据归一化方法对网络输入数据进行预处理;最后, 利用合成数据和实测数据对JoATInvNet联合反演方法进行了验证和分析, 结果表明: 相比于AMT或TEM单参数深度学习反演, 本文提出的JoATInvNet联合反演可以有效融合AMT和TEM数据信息, 反演误差更小, 抗噪能力更佳, 实现对地下结构更准确和全面的解释.

主 题 词：音频大地电磁 瞬变电磁 深度学习 联合反演 

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/cjg2023R0582

馆 藏 号：203155482...