融合注意力机制的深度残差网络在一维大地电磁反演中的应用
简介：传统的线性反演方法在面对复杂地质情况时,往往受到初始模型选择的限制,容易陷入局部极值而导致反演结果不准确.相比之下,深度学习算法具有强大的非线性拟合能力,在电磁数据反演中具有巨大的应用潜力.本文融合了注意力机制的深度残差卷积网络(ADRN)应用于一维大地电磁反演中,经过训练得到了大地电磁数据空间至模型空间的非线性映射关系.提出了一种构建大地电磁复杂地电模型数据集的方法,通过引入控制层并改变其分布位置和电阻率值,再结合临近插值算法得到完整的模型地电参数.仿真数据反演结果表明,ADRN能够实现大地电磁数据快速反演并获得相对准确的反演结果.此外,为了在实测数据反演中获得最佳的预测结果,通过向网络输入层添加噪声来增强反演网络的鲁棒性.该方法在COPROD2和南黄海大地电磁实测数据反演中也展现出了较好的应用效果.展开
关键词：大地电磁反演深度学习注意力机制深度残差卷积网络
在线出版日期：2025-07-29 （网站首发日期）
