基于深度学习的二维航空大地电磁数据反演

摘要

航空大地电磁法以其机动灵活、效率高等优点,适用于在地势崎岖的偏远环境中开展快速普查作业.目前,针对二维航空大地电磁数据的反演研究大多采用对目标函数求解偏导数的方式进行,这会造成反演结果对初始模型依赖高,且极易陷入局部极小值.为解决上述问题,首先从麦克斯韦频率域方程组出发,推导倾子响应计算公式.其次,采用有限单元法计算异常体地电模型倾子响应,并结合地下电阻率值标签,构建深度学习样本数据集,采用卷积神经网络顺利实现了二维航空大地电磁数据反演.最后,针对不同埋深的二维异常体地电模型,分别采用传统电磁反演和深度学习反演方法进行反演研究,对比分析了不同反演方法反演结果.结果表明,相较于传统电磁反演方法,采用深度学习反演方法进行二维航空电磁数据反演,反演速度更快,准确度更高.