(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 CN 108490496 A
(43)申请公布日 2018.09.04
(21)申请号 CN201810254432.3
(22)申请日 2018.03.26
(71)申请人 中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司勘探开发研究院
    地址 100728 北京市朝阳区朝阳门北大街22号
(72)发明人 相鹏 刘佳 陈学国 王金铎 于会臻 谭绍泉 王有涛 张建华 杨国杰 王月蕾
(74)专利代理机构 东营双桥专利代理有限责任公司
    代理人 侯玉山
(51)Int.CI
     
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      基于拟径向基函数神经网络的重力场密度反演方法
(57)摘要
      本发明提供一种基于拟径向基函数神经网络的重力场密度反演方法，包括以下步骤：建立重力观测系统；建立网格化模型；建立重力正演核函数矩阵；建立径向基函数神经网络；训练神经网络；输出反演结果。本发明利用径向基函数压缩了模型空间，在保证复杂模型表征能力的前提下，实现了反演参数的降维；提出了一种拟神经网络结构，不需要样本标签对进行训练，避免了建立训练数据集的困难，并基于该拟神经网络结构实现了重力场密度反演算法。提高反演结果的垂向分辨率和可靠性，并具有较强的抗噪能力，扩展了重力反演方法的应用领域。
法律状态
法律状态公告日
法律状态信息
正则化是解决过拟合问题吗法律状态
权 利 要 求 说 明 书
1.基于拟径向基函数神经网络的重力场密度反演方法,其特征在于,所述方法步骤如下:
(1)建立重力观测系统:对于二维观测系统坐标为(X,Z),X为水平方向坐标,Z为观测点高程;三维观测系统坐标为(X,Y,Z),X和Y是相互垂直的水平方向坐标,Z是观测点高程;
(2)建立网格化模型:将反演目标区域网格剖分,二维反演剖分网格为矩形,三维反演剖分网格为直立六面体,网格数据格式分为(X<Sub>1</Sub>,X<Sub>2</Sub>,Z<Sub>1</Sub>,Z<Sub>2</Sub>)和(X<Sub>1</Sub>,X<Sub>2</Sub>,Y<Sub>1</Sub>,Y<Sub>2</Sub>,Z<Sub>1</Sub>,Z<Sub>2</Sub>),X<Sub>1</Sub>和X<Sub>2</Sub>为网格X水平方向起始坐标和终止坐标,Y<Sub>1</Sub>和Y<Sub>2</Su
b>为网格Y水平方向起始坐标和终止坐标,Z<Sub>1</Sub>和Z<Sub>2</Sub>为网格垂向起始坐标和终止坐标,在地表处可加密剖分刻画起伏地形;每个网格的密度为常数;
(3)建立重力正演核函数矩阵:其三维计算公式为
<Image>
其中<Image>为网格角点到观测点的距离,
u<Sub>1</Sub>=X<Sub>1</Sub>-X;u<Sub>2</Sub>=X<Sub>2</Sub>-X;v<Sub>1</Sub>=Y<Sub>1</Sub>-Y;v<Sub>2</Sub>=Y<Sub>2</Sub>-Y;w<Sub>1</Sub>=Z<Sub>1</Sub>-Z;w<Sub>2</Sub>=Z<Sub>2</Sub>-Z;
二维计算公式为
<Image>其中<Image>其他变量定义同上,假设有M个观测点,N个网格,则核函数矩阵为M行N列的矩阵;
(4)建立径向基函数神经网络;
(5)训练神经网络;
(6)输出反演结果即密度模型。
2.根据权利要求1所述的基于拟径向基函数神经网络的重力场密度反演方法,其特征在于,所述步骤(1)中,观测系统是平面观测系统或者曲面观测系统,观测点是等间距分布或者不等间距任意分布。
3.根据权利要求1所述的基于拟径向基函数神经网络的重力场密度反演方法,其特征在于,所述步骤(2)中,网格是均匀网格或者不均匀网格。
4.根据权利要求1所述的基于拟径向基函数神经网络的重力场密度反演方法,其特征在于,所述步骤(4)包括如下子步骤:
(4.1)建立输入层:输入层数据为步骤(2)所建立的网格中心坐标<Image>或<Image>因此二维反演时输入层节点数量为2个,三维反演时为3个,假设有N个网格,则输入数据是N*2或者N*3矩阵;
(4.2)建立径向基函数层:该层采用高斯径向基函数,公式为<Image>其中x,y,z是步骤(4.1)中的网格中心坐标,μ<Sub>x</Sub>,μ<Sub>y</Sub>,μ<Sub>z</Sub>是径向基函数中心坐标,δ<Sub>x</Sub>,δ<Sub>y</Sub>,δ<Sub>z</Sub>是径向基函数分布半径,若二维反演则<Image>式中变量定义同上,该层节点数量N<Sub>G</Sub>人工定义,径向基函数中心坐标和分布半径可采用KMEAN方法或等间距均匀初始化,若从输入层输入N个网格坐标,则该层输出为N*N<Sub>G</Sub>矩阵;
(4.3)建立径向基函数权重连接层:该层节点数量为N<Sub>G</Sub>,权重矩阵w初始值在给定区间内随机生成,该层输出为N*1矩阵,输出值是N个网格的密度值;
(4.4)建立重力正演输出层:将步骤(3)建立的重力正演核函数矩阵作为该层的权重矩阵,与径向基函数权重连接层的输出进行矩阵乘积运算,得到M*1的输出矩阵,输出值g<Sub>cal</Sub>为正演重力值,该层权重矩阵不可训练。
5.根据权利要求1所述的基于拟径向基函数神经网络的重力场密度反演方法,其特征在于,所述步骤(5)包括如下子步骤:
(5.1)建立损失函数:损失函数基本形式为<Image>其中g<Sub>cal</Sub>为重力正演输出层的正演重力值,g<Sub>obs</Sub>为实测重力值,若要求结果为不连续地质体,则对损失函数施加稀疏正则化约束,其中w是径向基函数权重连接层的权重矩阵,λ是正则化参数;

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。