[發明專利]一種基于學習的廣域電磁法激電信息非線性提取方法

有效

• 申請號: 202011413296.1
• 申請日: 2020-12-04
• 公開（公告）號: CN112699596B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 董莉;江沸菠;王敏捷;周志彬
• 申請（專利權）人: 湖南工商大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/25;G06N3/00;G06N7/00;G01V3/00;G06F111/06;G06F111/08;G06F119/02
• 代理公司: 湖南科云知識產權代理事務所(普通合伙) 43253
• 代理人: 何方

1.一種基于學習的廣域電磁法激電信息非線性提取方法，其特征在于，包括：

采用灰狼優化算法作為非線性反演的主程序；

使用貝葉斯神經網絡作為計算代價低的代理模型，來代替灰狼優化算法中部分正演計算；

通過學習反演過程中的歷史數據來優化反演過程，利用灰狼優化算法高效地求解電磁法反演問題，提取廣域電磁法的激電信息；

其算法過程為：

(1)初始化灰狼優化算法的算法參數及種群，種群中的每個個體代表一組廣域電磁法的電阻率參數和極化率參數；

(2)采用真實模型評估個體；

(3)執行狼群等級劃分：根據個體當前適應度將狼群的最優解、次優解和第三優解分別指定為α、β、δ狼；

(4)判斷目標函數是否達到算法終止條件；如果為是，則結束算法，保存全局最優解，否則執行步驟(5)；

(5)根據學習機制從歷史有效參數中自適應調整控制參數a；

(6)采用狼群圍獵機制更新個體；

(7)判斷是否達到初始迭代周期iter_b；如果為否，則轉入步驟(2)，如果為是，則準備訓練代理模型，轉入步驟(8)；

(8)組織樣本數據集；如果當前迭代周期為iter_b+1，則將初始迭代周期內的所有訓練數據作為樣本集，否則，將上一次迭代周期進行過真實評估的精英解作為樣本集；

(9)訓練代理模型；利用訓練數據集訓練代理模型，并利用貝葉斯算法計算每次迭代過程中的最優正則化參數；

(10)代理模型評估個體；初始迭代周期iter_b以后，采用代理模型評估已經剛生成的新一代個體，并根據代理模型的評估結果獲得新一代的精英解；

(11)采用真實模型評估新一代的精英解，保證精英解的準確性，并與上一代的精英解比較進行更新，得到本代的精英解，然后轉入步驟(4)。

2.根據權利要求1所述基于學習的廣域電磁法激電信息非線性提取方法，其特征在于，步驟(2)中，采用含激電信息的廣域電磁法正演算法評估個體，所述含激電信息的廣域電磁法正演算法包括計算廣域視電阻率、計算含激電效應的廣域視電阻率，具體為：

2.1)計算廣域視電阻率：

電流源廣域電磁法采用一對接地電極形成的電流源作為場源，測量電磁場中某個分量以獲得廣域視電阻率：

式(1)中，ρ_a為廣域視電阻率；dL為水平電流源長度；r為觀測點到偶極源中心的距離，為觀測點之間的距離，I為電流強度，ΔV_MN為觀測點之間的電位差，計算公式為：

式(2)中，ρ為電阻率；

式(3)中，k稱為電磁波的傳播常數或波數，為觀測角度，i表示虛數；

2.2)計算含激電效應的廣域視電阻率：

式(4)中，ρ_a(w)為含激電效應的廣域視電阻率；ρ_a為廣域視電阻率；w為角速度；m為極化率，τ為時間常數；c為頻率相關系數，0≤c≤1。