基于深度学习的大地电磁二维反演研究OA北大核心CSTPCD

为了解决传统卷积神经网络反演由于层数过多而影响准确度的问题,开展了基于残差神经网络的大地电磁二维反演研究。通过大地电磁二维正演建立大量数据集,以TE和TM模式下的视电阻率和相位数据作为四通道网络输入,以对应的地电模型作为标签及输出进行有监督的学习,利用残差神经网络实现二维大地电磁反演。不同噪声水平的地电模型反演结果表明残差网络不仅可以很好地消除层数过多带来的准确度下降问题,还具有很强的抗噪作用。对冀中坳陷实测电磁资料进行反演,获得深部碳酸盐岩电阻率分布,据此分析了工区热储构造特征。理论模型和实测数据反演结果表明该方法具有良好的学习能力和抗噪性能,反演效果稳定可靠。