煤田地质与勘探

作者：王云宏,

关键词：瞬变电磁, 深度学习, 神经网络, 数值模拟,

目的基于深度学习的瞬变电磁正反演方法属于数据驱动型方法，需要大规模的数值模拟结果作为监督数据对神经网络进行训练和评估。传统的时域有限差分法进行瞬变电磁数值模拟需要迭代求解时域麦克斯韦方程，耗时严重，且耗费计算资源庞大，难以满足基于深度学习的瞬变电磁反演对数据的需求。方法为此，引入深度学习方法进行瞬变电磁数值模拟。以Transformer神经网络架构为基础，采用编解码结构(encoder-decoder)设计了基于深度学习的瞬变电磁数值模拟神经网络，该网络包含三维网格剖分模块、分块嵌入模块(patch embedding)、编码器模块(Transformer encoder)、解码器模块(linear decoder) 4部分，输入为模型地电参数，输出为该模型对应的回线源中心点瞬变电磁响应。采用带动量的随机梯度下降算法与Adam自适应学习率算法相结合的优化策略，在搭载4张英伟达V100显卡的服务器上进行了200个周期的训练，获得了瞬变电磁法数值模拟深度学习网络。结果和结论利用训练后的网络分别对均匀半空间模型、层状模型、板状体模型以及三维体模型4种类型的地电模型回线源瞬变电磁响应进行实时预测，验证集测试结果表明：计算得到的关断时间后的数值模拟结果与采用解析解、线性数字滤波解和时域有限差分法数值模拟结果平均相关误差小于2%；同时，基于神经网络的瞬变电磁数值模拟计算耗时不到1 s，实现了瞬变电磁数值模拟的快速精确计算，为后续基于深度学习的瞬变电磁反演研究奠定了理论基础与数据支撑。

来源：2024年第11期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2024年第11期