CN116090293B 基于无监督深度学习的直流电阻率反演方法及系统 （山东大学）_第1页
CN116090293B 基于无监督深度学习的直流电阻率反演方法及系统 （山东大学）_第2页
CN116090293B 基于无监督深度学习的直流电阻率反演方法及系统 （山东大学）_第3页
CN116090293B 基于无监督深度学习的直流电阻率反演方法及系统 （山东大学）_第4页
CN116090293B 基于无监督深度学习的直流电阻率反演方法及系统 （山东大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于无监督深度学习的直流电阻率反演方本发明提供了一种基于无监督深度学习的样本库。使用模拟样本库预训练无监督神经网2在用于驱动更新网络参数的损失函数中加入动态光滑参考探测地区地质情况设计地电模型，进而构建含大于设定使用样本库对无监督直流电阻率反演网络进行预训练，以初将新采集的观测数据带入训练好的网络中，基于网络约束对单个建样本库包括构建实际样本库，对相似探测场景采集的实际数据使用数据域迁移方法处过基于线性探索和完全微调的迁移学习对网络二次训练二次训练为使用线性探索重新训练最后一个网络层参3正演网络模块，被配置为将正演过程加入神经网络框架中，构样本库构建模块，被配置为参考探测地区地质情况设计地电模型，初步训练模块，被配置为使用样本库对无监督直流电阻二次训练模块，被配置为使用实际采集的数据，通过最终优化模块，被配置为将新采集的观测数据带入训练好的网备的处理器加载并执行权利要求1-7中任4[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技数据中应用的可行性。目前尚没有发明实现了基于无监督深度学习的直流电阻率反演方5[0016]使用实际采集的数据，通过基于线性探索和完全微调的迁移学习对网络二次训6[0032]约束模块，被配置为在用于驱动更新网络参数的损失函数中加入动态光滑约束[0034]初步训练模块，被配置为使用样本库对无监督直流电阻78[0070]使用实际采集的数据，通过基于线性探索和完全微调的迁移学习对网络二次训化器，批处理量(batchsize)设为12，本文中batchsize＝8。学习率(learningrate)为[0077]单个样本观测数据输入反演网络后，通过映射得到了第一次预测的电阻率模现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0081]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或9其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一需要付出创

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论