融合先验物理信息的高精度智能可控源电磁反演算法OA北大核心CSTPCD

可控源电磁反演利用人工信号获取地下结构信息,为地质勘探和资源开发提供准确的数据支持。然而,传统电磁反演方法面临低分辨率的挑战,主要是由于简化处理和观测数据的限制,导致模型平滑、细节丢失,从而削弱了反演的准确性,影响了电磁勘探的效率。为了解决这一问题,本文提出将传统反演结果与响应数据同时作为深度网络的输入数据,为深度网络反演提供先验物理信息,并结合深度学习算法提升可控源电磁反演的计算效率。通过模型试验,对合成的电阻率模型分别进行了传统反演、智能反演以及融合先验物理信息的智能反演。结果表明,融合先验物理信息的智能反演能够更好地刻画异常体结构特征,有效提升反演效率,并且得到的电阻率参数更符合实际。最后,将该反演技术应用于金川铜镍矿床的可控源数据反演解释,取得了较为可靠的应用效果。