CN116090293B 基于無監督深度學習的直流電阻率反演方法及系統 （山東大學）_第1頁
CN116090293B 基于無監督深度學習的直流電阻率反演方法及系統 （山東大學）_第2頁
CN116090293B 基于無監督深度學習的直流電阻率反演方法及系統 （山東大學）_第3頁
CN116090293B 基于無監督深度學習的直流電阻率反演方法及系統 （山東大學）_第4頁
CN116090293B 基于無監督深度學習的直流電阻率反演方法及系統 （山東大學）_第5頁
已閱讀5頁，還剩13頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

基于無監督深度學習的直流電阻率反演方本發明提供了一種基于無監督深度學習的樣本庫。使用模擬樣本庫預訓練無監督神經網2在用于驅動更新網絡參數的損失函數中加入動態光滑參考探測地區地質情況設計地電模型，進而構建含大于設定使用樣本庫對無監督直流電阻率反演網絡進行預訓練，以初將新采集的觀測數據帶入訓練好的網絡中，基于網絡約束對單個建樣本庫包括構建實際樣本庫，對相似探測場景采集的實際數據使用數據域遷移方法處過基于線性探索和完全微調的遷移學習對網絡二次訓練二次訓練為使用線性探索重新訓練最后一個網絡層參3正演網絡模塊，被配置為將正演過程加入神經網絡框架中，構樣本庫構建模塊，被配置為參考探測地區地質情況設計地電模型，初步訓練模塊，被配置為使用樣本庫對無監督直流電阻二次訓練模塊，被配置為使用實際采集的數據，通過最終優化模塊，被配置為將新采集的觀測數據帶入訓練好的網備的處理器加載并執行權利要求1-7中任4[0002]本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技數據中應用的可行性。目前尚沒有發明實現了基于無監督深度學習的直流電阻率反演方5[0016]使用實際采集的數據，通過基于線性探索和完全微調的遷移學習對網絡二次訓6[0032]約束模塊，被配置為在用于驅動更新網絡參數的損失函數中加入動態光滑約束[0034]初步訓練模塊，被配置為使用樣本庫對無監督直流電阻78[0070]使用實際采集的數據，通過基于線性探索和完全微調的遷移學習對網絡二次訓化器，批處理量(batchsize)設為12，本文中batchsize＝8。學習率(learningrate)為[0077]單個樣本觀測數據輸入反演網絡后，通過映射得到了第一次預測的電阻率模現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定[0081]這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或9其他可編程設備上執行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一需要付出創

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論