基于神经网络的时间域航空电磁成像研究
发布时间：2020-12-14 11:44
时间域航空电磁系统（airborne electromagnetic,AEM）具有采样率高、信息丰富和高分辨率等优点,是近地表地球物理探测的重要技术。高采样率导致时间域航空电磁实测数据量大,无法高效地进行二维或三维反演解释,因此在实际资料处理中仍以成像和一维反演为主。由于一维反演处理大数据量时计算耗时长且对初始模型有一定依赖性,方便、快速、稳定的成像方法是时间域航空电磁资料处理的首要方法。为克服传统成像方法分辨率低缺点,本文提出了一种基于神经网络的新成像方法。基于数值实验与分析,本文确定采用卷积神经网络（Convolutional neural network,CNN）与长短时记忆结构模块（Long Short-Term Memory,LSTM）相结合的神经网络结构进行成像方法研究。这种深度层级的网络结构能用来学习和存储电阻率模型与电磁（electromagnetic,EM）信号间的复杂的非线性关系,从而产生接近一维反演的高精度成像结果。为了检验方法的有效性,本文首先在理论模型与合成数据上对算法进行测试。测试结果表明,在使用合理的网络参数的情况下,该方法可以高速较准确地成像。由于飞行高...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
神经元模型
第2章神经网络理论72.2神经网络模型机器学习方法有很多种，例如深度神经网络、支持向量机、决策树和强化学习等等，实际上就是通过不同的方式来表示某个函数集合。深度神经网络是通过神经网络来表示函数集的，其基础的结构为神经元，其结构如图2.1所示。图2.1神经元模型神经元的输出为标量t=a11++a++a+，（2.1）=σ()，（2.2）其中a为神经元的输入向量，w为神经元的权重，b为神经元的偏置，w与b称为神经元参数，σ为神经元的激活函数。神经元本身就是一个简单的函数，多个神经元按某种方式相连接构成了复杂的神经网络，其可用来表征复杂非线性函数，图2.2展示了神经网络的结构，其中网络参数是随机生成的。图2.2采用sigmoid作为激活函数时，神经网络的计算流程。sigmoid函数是被广泛使用的一种激活函数，sigmoid()=1/(1+)由图2.2可知神经网络的输入为[1-1]，神经网络的输出为[0.620.83]。在保持
第2章神经网络理论8网络参数不变的情况下，可推出当网络的输入为[00]，网络的输出为[0.510.85]。由此可知，在给定某些参数组合的前提下，神经网络的功能类似一个函数，输入是一个向量，输出也是一个向量，例如θ([11])=[0.620.83]，θ([00])=[0.510.85]。使用者赋予了神经网络的基本结构，神经网络的结构确定了其可用来表征某些函数集合。图2.2中的网络结构实际上隐含了某些函数的集合，网络参数不同，网络代表的函数不同，且任意一个函数都是该网络结构对应的函数集合中的一员。综上所述，网络的结构是人为设定的，相当于神经网络的天赋；神经网络通过资料（训练集）来找出最优的参数（找到某个函数），相当于网络通过后天学习来获得知识。网络结构定义了某个函数集合，其种类繁多，下面列举出一些常用的网络结构。图2.3为全连接神经网络（FullyConnectedFeedforwardNetwork）结构模型，其特征为每个神经元都与下一层的所有神经元相连，全连接网络经常作为分类或回归问题网络结构的最后几层。图2.3全连接神经网络网络结构图2.4为长短期记忆神经网络（LSTM，LongShort-TermMemory）的简化结构,其采用独特的门结构可以处理时间序列中间隔和延迟较长的事件。LSTM擅长对时间信号进行建模，被广泛的应用在语音识别，智能对话，语言翻译系统等领域。
【参考文献】：
期刊论文
[1]基于广义模型约束的时间域航空电磁反演研究[J]. 苏扬,殷长春,刘云鹤,张博,任秀艳. 地球物理学报. 2019(02)
[2]时间域航空电磁数据加权横向约束反演[J]. 殷长春,邱长凯,刘云鹤,蔡晶. 吉林大学学报(地球科学版). 2016(01)
[3]频率域航空电磁数据变维数贝叶斯反演研究[J]. 殷长春,齐彦福,刘云鹤,蔡晶. 地球物理学报. 2014(09)
[4]直升机吊舱姿态变化对电磁场测量的影响规律及其校正方法研究[J]. 曲昕馨,李桐林,王飞. 地球物理学报. 2014(04)
[5]频率域航空电磁数据的加权横向约束反演[J]. 蔡晶,齐彦福,殷长春. 地球物理学报. 2014(03)
[6]时间域航空电磁快速成像研究[J]. 陈小红,段奶军. 地球物理学进展. 2012(05)
[7]中心回线瞬变电磁测深法快速电阻率成像方法及应用[J]. 严良俊,徐世浙,胡文宝,陈清礼,胡家华. 煤田地质与勘探. 2002(06)
[8]人工神经网络——勘探地球物理学家的新工具[J]. 朱广生,刘瑞林. 国外油气勘探. 1993(02)
本文编号：2916357
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
神经元模型
第2章神经网络理论72.2神经网络模型机器学习方法有很多种，例如深度神经网络、支持向量机、决策树和强化学习等等，实际上就是通过不同的方式来表示某个函数集合。深度神经网络是通过神经网络来表示函数集的，其基础的结构为神经元，其结构如图2.1所示。图2.1神经元模型神经元的输出为标量t=a11++a++a+，（2.1）=σ()，（2.2）其中a为神经元的输入向量，w为神经元的权重，b为神经元的偏置，w与b称为神经元参数，σ为神经元的激活函数。神经元本身就是一个简单的函数，多个神经元按某种方式相连接构成了复杂的神经网络，其可用来表征复杂非线性函数，图2.2展示了神经网络的结构，其中网络参数是随机生成的。图2.2采用sigmoid作为激活函数时，神经网络的计算流程。sigmoid函数是被广泛使用的一种激活函数，sigmoid()=1/(1+)由图2.2可知神经网络的输入为[1-1]，神经网络的输出为[0.620.83]。在保持
第2章神经网络理论8网络参数不变的情况下，可推出当网络的输入为[00]，网络的输出为[0.510.85]。由此可知，在给定某些参数组合的前提下，神经网络的功能类似一个函数，输入是一个向量，输出也是一个向量，例如θ([11])=[0.620.83]，θ([00])=[0.510.85]。使用者赋予了神经网络的基本结构，神经网络的结构确定了其可用来表征某些函数集合。图2.2中的网络结构实际上隐含了某些函数的集合，网络参数不同，网络代表的函数不同，且任意一个函数都是该网络结构对应的函数集合中的一员。综上所述，网络的结构是人为设定的，相当于神经网络的天赋；神经网络通过资料（训练集）来找出最优的参数（找到某个函数），相当于网络通过后天学习来获得知识。网络结构定义了某个函数集合，其种类繁多，下面列举出一些常用的网络结构。图2.3为全连接神经网络（FullyConnectedFeedforwardNetwork）结构模型，其特征为每个神经元都与下一层的所有神经元相连，全连接网络经常作为分类或回归问题网络结构的最后几层。图2.3全连接神经网络网络结构图2.4为长短期记忆神经网络（LSTM，LongShort-TermMemory）的简化结构,其采用独特的门结构可以处理时间序列中间隔和延迟较长的事件。LSTM擅长对时间信号进行建模，被广泛的应用在语音识别，智能对话，语言翻译系统等领域。
【参考文献】：
期刊论文
[1]基于广义模型约束的时间域航空电磁反演研究[J]. 苏扬,殷长春,刘云鹤,张博,任秀艳. 地球物理学报. 2019(02)
[2]时间域航空电磁数据加权横向约束反演[J]. 殷长春,邱长凯,刘云鹤,蔡晶. 吉林大学学报(地球科学版). 2016(01)
[3]频率域航空电磁数据变维数贝叶斯反演研究[J]. 殷长春,齐彦福,刘云鹤,蔡晶. 地球物理学报. 2014(09)
[4]直升机吊舱姿态变化对电磁场测量的影响规律及其校正方法研究[J]. 曲昕馨,李桐林,王飞. 地球物理学报. 2014(04)
[5]频率域航空电磁数据的加权横向约束反演[J]. 蔡晶,齐彦福,殷长春. 地球物理学报. 2014(03)
[6]时间域航空电磁快速成像研究[J]. 陈小红,段奶军. 地球物理学进展. 2012(05)
[7]中心回线瞬变电磁测深法快速电阻率成像方法及应用[J]. 严良俊,徐世浙,胡文宝,陈清礼,胡家华. 煤田地质与勘探. 2002(06)
[8]人工神经网络——勘探地球物理学家的新工具[J]. 朱广生,刘瑞林. 国外油气勘探. 1993(02)
本文编号：2916357
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/2916357.html
