典型文献
基于卷积神经网络的重力异常反演
文献摘要：
重力异常反演是地球勘探中常用的方法,它是通过地表观测重力异常推断地下介质的密度分布.针对传统反演方法存在的多解性、初始模型依赖和计算时间较长等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的重力异常反演方法,该方法首先通过大量正演计算获得训练数据集;然后采用该数据集训练CNN网络,使其建立从地表观测重力异常到地下密度模型之间的映射关系;最后将重力异常数据输入到训练好的卷积神经网络,得到对应的地下密度模型.实验结果表明,该方法能快速、准确的反演出地下重力异常体的密度、位置和形状,具有较强的泛化能力,能有效解决重力异常反演问题.
文献关键词：
重力勘探;重力异常反演;深度学习;卷积神经网络
中图分类号：
作者姓名：
李雅雯;刘彩云;熊杰;刘倩
作者机构：
长江大学信息与数学学院, 荆州434023;长江大学电子信息学院,荆州434023
文献出处：
引用格式：
[1]李雅雯;刘彩云;熊杰;刘倩-.基于卷积神经网络的重力异常反演)[J].科学技术与工程,2022(31):13653-13661
A类：
B类：
重力异常反演,密度分布,反演方法,多解性,初始模型,计算时间,convolutional,neural,network,正演计算,训练数据集,集训,密度模型,映射关系,异常数据,练好,演出,异常体,泛化能力,重力勘探
AB值：
0.2548
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
