基于神经网络的时间域航空电磁数据CDI成像与反演初探

【类型】学位论文

【作者】韩悦慧 

【关键词】 神经网络 时间域航空电磁法 电导率深度成像 半空间模型反演 特征值提取技术

【摘要】航空电磁法(Airborne Electromagnetic简称AEM)是以飞机为运载工具的地球物理探测方法，能够在地面难于进入的森林、沙漠、沼泽、湖泊和居民区等地区开展物探测量工作，特别适合大面积普查工作。我国山区较多，地形复杂，工作条件恶劣，地面布线、勘探具有很多困难，因而航空电磁法作为一种快速经济的勘查工具在我国有着广泛的应用前景。航空电磁法的理论研究将为我国多金属矿产资源、水资源等的快速勘查提供有力的技术支撑，具有重要的学术价值和应用价值。 本文以现有的时间域电磁法理论为基础，结合国家自然科学基金项目“基于模型融合的近二维时间域航空电磁法反演技术研究”及863计划重大项目“航空地球物理勘查技术系统”的子课题“吊舱式时间域直升机航空电磁勘查理论研究与系统设计”，研究了时间域航空电磁法的数据处理技术和解释方法，主要研究内容及结果如下： 采用将频率域的计算结果转换到时间域的计算方法，根据频率域电磁场的汉克尔表示形式，先在拉普拉斯变换域中计算时间域电磁场的瞬态响应，然后借助Gaver-Stehfest 变换做拉普拉斯逆变换，计算接收线圈内感应电动势的瞬变过程。利用该算法计算典型地电模型的时间域航空电磁响应，并对结果加以分析。分析结果表明：中心回线方式时间域航空电磁响应随时间呈指数状衰减，在低端电导率的均匀大地上，电导率越大，同一采样时间的电磁响应相应越大，而在电导率较高的均匀大地上，电导率越大，同一采样时间的电磁响应反而越小，并且电导率越大，衰减越缓慢。 利用时间域航空电磁响应正演算法，计算双极性周期脉冲信号的时间域瞬变电磁响应，形成正演样本集，借鉴Huang 2008的假层-半空间模型查表法实现电阻率深度成像的思想，鉴于电磁响应的二值性，将相邻两道时间域航空电磁数据转换为时间常数和响应幅度，并引入电导率为零的假想层，以消除飞机飞行高度、地形等因素的影响，设计开发15个人工神经网络，实现基于假层-半空间模型时间域航空电磁数据的电导率深度成像CDI(Conductvity Dpeth Imaging)。对查表法和神经网络法实现的CDI结果作对比分析，结果表明：神经网络法与查表法对地下低阻体的反应能力相似，对地下髙阻体以及低阻覆盖层神经网络法具有一定的优势，但神经网络法得出的CDI曲线不光滑。由于神经网络法实现CDI时视深度的计算是根据Huang 2008所述的经验规律得到的，所以如何准确地计算视深度还有待于进一步的深入研究。 电导率深度成像CDI是一种近似反演方法，其弊端在于它既不能对实测数据进行模型逼近，也不能在约束条件下成像，是一种“盲”成像，其成像过程不具有可控性，所以电导率深度成像并非真正意义上的反演。为实现真正意义上的反演，应对不同地电模型的时间域航空电磁数据进行反演，本文利用神经网络对时间域航空电磁探测均匀半空间模型反演技术进行了研究，将15道航空电磁响应数据作为神经网络的输入，视吊舱高度和电导率作为神经网络的输出，建立并训练神经网络，网络反演视吊舱高度和电导率的测试结果与实际值间的相对误差均小于2.5%。 在实际问题中，大地模型很难用半空间模型近似。若实际为层状模型，反演参数较多，内在映射关系更加复杂，在利用神经网络反演时，多输入、输出变量的复杂模型会造成网络拥堵，甚至不收敛，影响人工神经网络反演系统的通用性。因此，本文以半空间模型反演为基础研究了时间域航空电磁响应的特征值提取技术，以减少数据量及人工神经网络的输入规模，简化网络的结构，提高网络的训练速度，为层状模型的特征值提取奠定研究基础。 本文研究了主成分分析法提取特征值技术，提取时间域航空电磁数据的特征值，以减少在神经网络训练中带来的大量运算，提高网络的识别速度及收敛速度。利用主成分分析法对航空电磁数据进行特征值提取，所得的特征值作为训练样本集，建立、训练神经网络，并对网络进行测试，将测试结果与未提取特征值训练时网络的测试结果进行对比，对比后发现，主成分分析大大减少了数据量，提高了网络训练速度，并保证了反演精度，网络测试输出结果与实际结果间的相对误差均小于2.8%。 由于实测航空电磁数据中包含噪声干扰，实际常采用强干扰剔除、测道平滑以及测线平滑等方法对航空电磁数据进行去噪处理，本文研究了特征值提取技术去除噪声的能力，即利用特征值提取技术对加相对误差5%的噪声后的航空电磁数据进行特征值提取，并分别利用没有加噪的原始数据集及原始数据加噪后提取的特征值集，构建、训练并测试人工神经网络，并对特征值提取技术的去噪能力予以分析。分析结果表明：加随机单频噪声后主成分分析法提取特征值的反演测试输出结果与实际结果间的相对误差均小于2.8%；加随机多频噪声后主成分分析法提取特征值的反演测试输出结果与实际结果间的相对误差均小于4.2%；加白噪声后主成分分析法提取特征值的反演测试输出结果与实际结果间的相对误差均小于10.4%。 本文完成了基于神经网络的时间域航空电磁数据电导率深度成像，完成了航空电磁探测半空间模型反演研究，完成了半空间模型航空电磁数据特征值提取技术及特征值提取技术去噪能力的研究，这些研究将为实测航空电磁数据的电导率深度成像及层状模型反演提供理论依据，对提高我国资源勘查能力和我国航空电磁法研究具有一定的实际意义和学术价值。

【学位名称】硕士

【学位授予单位】吉林大学

【学位授予年度】2016

【导师姓名】朱凯光

【读秀链接】读秀链接