基于自扩展卷积神经网络的原油油膜绝对厚度反演方法

摘要

发明提供一种基于自扩展卷积神经网络的原油油膜绝对厚度反演方法，对实测光谱数据进行筛选得到真实光谱特征数据；将真实光谱特征数据输入对抗生成网络，生成自扩展样本数据；利用卷积神经网络对自扩展后的样本数据进行特征提取，对原油油膜的绝对厚度进行反演。该方法对实测光谱数据进行筛选，去除了可分性较差的波段，更有利于精确定量反演原油油膜厚度；利用对抗生成网络对数据进行扩展，从而只需少量实测数据便可基于模型生成大量高仿数据，丰富模型泛化性以及增强模型鲁棒性；利用卷积神经网络的卷积过程，能够充分学习光谱信息，避免了信息量的损失，从而提高原油油膜绝对厚度的反演精度。