基于监督下降法的大地电磁二维反演及应用研究OACSTPCD

传统的大地电磁二维反演方法较为成熟,但仍存在反演结果依赖初始模型和正则化参数选取、容易陷入局部极小值等问题。监督下降法是一种学习平均下降方向来预测数据残差的机器学习算法。本文尝试采用监督下降法解决传统的大地电磁二维反演存在的问题,基于监督下降法理论开发了大地电磁二维反演算法,设计理论模型合成算例验证了算法的正确性,并对西藏高原实测数据进行反演,检验了监督下降法的实用性。理论模型合成数据和实测数据反演结果表明,相较于传统的非线性共轭梯度反演,基于监督下降法的反演具有收敛速度快、反演效果好、抗噪能力强等特点。