基于CNN-GAN组合模型的可控源电磁反演方法

摘要

提出一种基于卷积神经网络(CNN)和生成对抗网络(GAN)组合模型的可控源电磁反演方法。为突出异常体信息,将总场进行差分预处理,同时修改损失函数以增强GAN的稳定性。将差分总场送入CNN,得到地面接收电场与地下异常体电导率数据之间的结构化因果关系;输出异常体的粗略电导率模型,再将其作为GAN的输入,在GAN中提取特征进行训练,得到高精准和高对比度的电导率反演结果,以达到工程应用的要求。通过将CNN-GAN组合模型与传统神经网络模型的预测结果进行对比发现,CNN-GAN组合模型优于传统神经网络模型,能够更好地预测地下异常体的电导率模型,相似度高达94.38%,比传统CNN和GAN模型分别提高约48%和78%。