基于深度学习的大地电磁二维反演方法

作者：王方; 熊杰^*; 田慧潇; 李思平; 康佳帅

来源：地质科技通报, 2023, 1-10.

DOI：10.19509/j.cnki.dzkq.tb20220471

• 深度学习
• 大地电磁反演
• 神经网络
• GoogLeNetINV

如何通过大地电磁测深反演方法来提高数据解释的精度一直都是大地电磁测深研究领域的重要课题。本文针对大地电磁传统反演方法存在的初始模型依赖、易陷入局部最优的问题，提出一种基于深度学习的大地电磁二维反演方法。该方法首先设计GoogLeNetINV神经网络；接着构造多种地电模型，在TM模式下通过正演得到视电阻率数据，组成训练数据集；然后用训练数据集训练该神经网络并调整网络参数；最后，将视电阻率数据输入已训练好的GoogLeNetINV神经网络直接得到反演结果。实验结果表明，该方法能快速、准确地反演出“未学习”过地电模型的位置和电阻率数据，具有较好的泛化能力；使用噪声数据测试仍能取得良好的反演结果，有一定的抗噪声能力；并将该神经网络应用于Bendigo Zone实际数据资料处理中，反演得到的电阻率模型与地震解释一致，因此基于深度学习的大地电磁反演方法能有效解决大地电磁反演问题。

• 单位
  长江大学