基于卷积神经网络识别重力异常体

• 作者: 柳林涛 王逸宸 许厚泽
• 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
• 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

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.

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