The calculation of full-region apparent resistivity of central loop TEM based on deep learning
-
摘要: 深度学习是人工神经网络算法的扩展,对复杂函数有很好的逼近能力,本文将其引入用于瞬变电磁视电阻率计算.首先,建立归一化感应电动势与瞬变场参数单一映射关系的5层深度神经网络,通过对单一隐含层不同神经元个数所训练的误差情况进行分析,确定5层深度神经网络各隐含层神经元个数为13,8,5,8,13.训练算法选择了改进的具有自适应学习率的Nadam算法,该算法可加速训练过程.对训练好的深度神经网络模型进行仿真实验,采用典型地电模型加以验证,发现其对不同的地电模型均具有较好的反映,证明本文采用的基于深度学习计算视电阻率的可行性.应用结果表明训练好的深度神经网络模型可快速准确计算视电阻率.
-
-
计量
- 文章访问数: 1062
- PDF下载数: 115
- 施引文献: 0
下载: