公开(公告)号：CN117828543A

公开(公告)日：2024-04-05

申请号：CN202311790277.4

申请日：2023-12-22

Applicant: 吉林大学

Inventor： 栾卉 ,  马菊崧 ,  朴欣玥 ,  陈明灏

IPC: G06F18/27 ,  G06F18/2433 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及磁异常数据的处理与解释领域，为一种基于深度学习的分形分布磁异常数据反演磁源深度方法。采用自注意力机制搭建一种基于特征解耦的神经网络模型。对于二维分形分布磁异常，通过本发明设计的深度学习网络模型对功率谱数据进行处理，模型的输入为磁异常数据，通过计算提取功率谱，在功率谱中加入位置编码。编码器选用LSTM神经网络以便于处理长序列数据，将功率谱序列数据分别输向zt、zb和β编码器进行特征解耦，在旁支加入解码器用以监督特征解耦的准确性。之后在解耦的特征之间加入自注意力机制，再进行特征融合，回归出磁源深度信息，实现磁源底部深度反演。解决人为进行窗口大小和波数的选择造成的精确度问题。