16148.基于神經網絡的瞬變電磁快速成像方法研究

1、基于神經網絡的瞬變電磁快速成像方法研究重慶大學碩士學位論文(學術學位)學生姓名：陳廣指導教師：付志紅教授專業(yè)：電氣工程學科門類：工學重慶大學電氣工程學院二O一四年十月重慶大學碩士學位論文中文摘要I摘要瞬變電磁探測（TransientElectromagicMethod）是一種時間域電磁法，通過接收、處理地下電磁信號得到地下探測目標的信息，具有頻帶寬、分辨率高、使用簡單的特點，TEM成像有反演法和視電阻率法。前者需初始模型，計算量大；后者

2、雖不需要初始模型，但計算耗時，兩種方法都難以達到實時成像的目的。神經網絡已應用于地球物理反演中，但尚未在瞬變電磁視電阻率成像中得到應用。反演法中神經網絡結構的正確性完全依賴于先驗數據的準確性和泛化性，本文提出基于神經網絡的瞬變電磁快速成像，克服先驗數據量大、計算耗時的缺點，以達到實時成像的目的。論文主要做了以下工作：1）介紹了瞬變電磁的基本理論，以及中心回線方式下瞬變電磁的響應特征。討論了瞬變電磁視電阻率數值計算方法與神經網絡映射下的求

3、解理論。2）研究基于非線性模式的BP神經網絡電阻率計算方法。以磁感應強度為輸入、電阻率為輸出建立網絡。比較不同算法和神經元個數對網絡收斂速度、精度的影響，得到采用列文伯格馬夸特法及隱藏層含10個神經元的最佳BP神經網絡結構。3）提出基于曲線擬合模式的BP神經網絡視電阻率計算方法。基于非線性方程求解模式的BP神經網絡視電阻率計算方法訓練多組網絡方能達到成像目的，其過程復雜耗時?；谇€擬合模式的BP神經網絡視電阻率計算方法克服此缺點，以核

4、函數為輸入、瞬變場參數為輸出建立網絡，訓練一組網絡便可達到成像目的。選擇不同的隱藏層神經元個數和訓練方法訓練網絡，得到采用列文伯格馬夸特法及隱藏層含10個神經元的最佳BP神經網絡結構，訓練過程簡單、高效。4）基于曲線擬合模式，提出遺傳算法優(yōu)化的BP神經網絡，即GABP。針對BP網絡訓練收斂速度慢、易陷入局部極小值的缺陷，引入遺傳算法優(yōu)化網絡權值。對比兩種神經網絡處理塊狀高阻仿真數據的結果發(fā)現，GABP的收斂速度、精度和成像質量都得到了改