基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文将深度学习与重力异常体识别结合,基于近年来在图像识别邻域取得优异效果的卷积神经网络,将重力观测等值线图看作待识别的二维图像,将地下重力异常体的空间参数看作识别输出,从而形成适用于异常体识别的卷积神经网络模型.在训练中,随机生成大量不同参数的三维异常体模型,正演得到其重力观测二维数据,用异常体模型参数标签和重力数据训练卷积神经网络.在模型算例中测试训练好的网络模型,其识别准确性良好.同时,相比于传统神经网络从二维重力测线中识别异常体的埋深,卷积神经网络可从二维的重力数据识别三维异常体的埋深和大小信息.最后,将网络应用于澳大利亚Kauring地区重力观测数据,异常体识别结果与前人研究结果相符.说明卷积神经网络具泛化能力,可用于识别实测重力异常体,结果可靠.
推荐文章
基于卷积神经网络的细胞识别
细胞识别
卷积神经网络
深度学习
池化层
基于卷积神经网络的手写体数字识别系统
卷积神经网络
手写体数字
Linux
QT
基于形变卷积神经网络的手写体数字识别研究
手写体数字识别
卷积神经网络
形变卷积
基于改进卷积神经网络的手势识别
改进卷积神经网络
手势识别
准确率
图像处理
过拟合
Dropout
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络识别重力异常体
来源期刊 物探与化探 学科 地球科学
关键词 深度学习 卷积神经网络 重力异常体识别 参数反演
年,卷(期) 2020,(2) 所属期刊栏目 方法研究·信息处理·仪器研制
研究方向 页码范围 394-400
页数 7页 分类号 P631
字数 6781字 语种 中文
DOI 10.11720/wtyht.2020.1504
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 许厚泽 中国科学院测量与地球物理研究所 210 3250 32.0 45.0
5 柳林涛 中国科学院测量与地球物理研究所 70 955 20.0 28.0
9 王逸宸 中国科学院测量与地球物理研究所 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (53)
共引文献  (13)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(1)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(7)
  • 参考文献(2)
  • 二级参考文献(5)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(5)
  • 参考文献(2)
  • 二级参考文献(3)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
卷积神经网络
重力异常体识别
参数反演
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
物探与化探
双月刊
1000-8918
11-1906/P
大16开
北京学院路29号遥感中心
2-334
1979
chi
出版文献量(篇)
3832
总下载数(次)
3
总被引数(次)
39106
论文1v1指导