基于神经网络的地空时间域电磁系统噪声抑制方法技术方案

本发明专利技术属于地球物理勘探技术领域，具体涉及一种基于神经网络的地空时间域电磁系统噪声抑制方法，包括如下步骤：基于长导线源时间域电磁系统的电磁响应样本库构建；对样本进行基于不同信噪比的随机噪声加载；构建合适的神经网络模型，并利用训练集样本进行训练；通过训练结果对测试集样本进行预测，得到电导率；通过训练集预测得到的电导率进行重构，并分析误差。本发明专利技术通过电磁响应样本库构建、随机噪声加载、基于神经网络的反演、信号重构，提高数据的噪声抑制效果。

【技术实现步骤摘要】
基于神经网络的地空时间域电磁系统噪声抑制方法
本专利技术属于地球物理勘探
，具体涉及一种基于神经网络的地空时间域电磁系统噪声抑制方法，尤其适用于地空时间域电磁系统探测方法。
技术介绍
目前瞬变电磁法在地球物理中得到了广泛的应用。该方法具有很多优势，主要包括勘探深度大、获取的信息较丰富、所得数据信噪比高、受地形影响小等。瞬变电磁法基本原理为：利用接地长导线或不接地线圈向地下发射电磁场。地下的导电体在电磁场的作用下感应出涡流，由于地质体存在电阻，涡流产生热损耗，导致其强度逐渐减小。变化的涡流感应出随时间衰减的二次场，其变化规律反映出地质体的特性。地质体电导率越大、体积越大二次场衰减越慢，反之衰减越快。通过接地长导线或不接地线圈接收二次场。然后通过分析二次场的变化规律就可以推断出地质体的构造。中国专利2019110577361公开了一种用于城市地下空间探测的瞬变电磁噪声抑制方法，包括：纯噪声与N组耦合信号采集；采用遗传算法搜索准最优噪声特征域；目标邻域最优搜索判定是否完成N组信号处理，直到N组耦合信号全部处理完成；将N组数据进行叠加平均处理，叠加平均后的数据作为最终输出数据。提出了用于城市地下空间探测的瞬变电磁噪声抑制方法，通过大幅降低叠加次数达到传统大量叠加的噪声抑制效果，显著提高工作效率，引入遗传算法改进后的邻域最优搜索可实现噪声特征域的快速最佳匹配，能够在大量数据下快速搜索最优解，保证了传统遗传算法进化不必完全充分情况下，锁定邻域最优解，该技术具有较高的实际应用价值。中国专利2020101493355，公开了一种基于分层像素扫描算法的全息散斑噪声抑制方法。该方法包括以下步骤：对于一个3D物体，首先，提取3D物体的强度和深度信息，将3D物体分成具有不同深度的2D层面，通过计算各2D层面的全息图，分别提取出不同层面的复振幅信息。其次，将不同层面的复振幅信息叠加在一起得到3D物体全息图的复振幅信息。通过分层像素扫描算法对3D物体全息图的每个像素进行扫描，优化全息图的复振幅信息，最终生成3D物体的相位全息图。最后，生成具有不同随机相位的灰度图，并将其加载到SLM上用来优化再现光。当优化后的再现光照射3D物体的相位全息图时，可以在接收屏上看到散斑噪声，得到抑制的重建图像。中国专利202010016807X，公开了一种基于模间四波混频的少模多信道全光噪声抑制装置，包括汇聚耦合单元，以及分别与所述汇聚耦合单元连接的泵浦预处理单元、若干个信号预处理单元和少模再生单元。与现有多信道全光再生装置相比，该专利技术将所支持的再生信号从传统的基模光纤基模信号扩展到少模光纤中的高阶模信号，并通过共享连续泵浦光的方式，实现了多信道高阶模信号的同时再生。该专利技术克服了传统全光噪声抑制方案无法支持少模通信系统的技术问题，并可同时消除确定性噪声和随机噪声引起的信号劣化，提供多信道处理能力，降低少模通信系统中信号处理成本和复杂度。虽然电磁信号噪声抑制方法在噪声抑制方面取得了一定的成果，但仍存在一些问题，例如：无法完全消除噪声、尤其是晚期噪声；对有效信号造成衰减等。应用本专利所提出的方法可以得到完全不含噪声的去噪后信号，且在信噪比大于30dB时，得到的消噪后信号与真实信号差距很小。
技术实现思路
为了提高地空时间域电磁探测系统对电磁噪声的抑制效果，本专利提出一种基于神经网络的地空时间域电磁系统噪声抑制方法，通过电磁响应样本库构建、随机噪声加载、基于神经网络的反演、信号重构，提高数据的噪声抑制效果。本专利技术是这样实现的，提供一种基于神经网络的地空时间域电磁系统噪声抑制方法，所述时间域电磁系统为长导线源时间域电磁系统，所述方法包括如下步骤：1)长导线源时间域电磁系统的电磁响应样本库构建；2)对步骤1)中的样本进行基于不同信噪比的随机噪声加载；3)构建神经网络模型，并利用训练集样本进行训练；4)通过训练结果对测试集样本进行预测，得到电导率；5)通过训练集预测得到的电导率进行重构，并分析误差。具体的，上述方法包括如下步骤：步骤1)中，利用固定深度的三层模型构建样本库：选取第一层电导率变化范围为0.01-0.1S/m，第二层和第三层电导率范围为0.1-1S/m，第一层步长为0.003S/m，第二层和第三层步长为0.02S/m，三层模型中总的样本数是各层电导率取值数量之积，共得到65596个样本；三层模型为了有效反应各层的特征，时间道选取为81个；第一层和第二层深度的取值范围在几十到几百米，选取两层深度都为80米，第三层深度是无穷大，在此不做考虑；步骤2)中，对不同电导率下的样本分别进行随机噪声的加载，所加载的噪声为高斯白噪声，信噪比分别为30dB、40dB、50dB和70dB，具体计算式如下：其中，sp为信号功率，np为噪声功率，SNR为信噪比；步骤3)中，样本总数为65596，随机取60000个样本构成训练集，5596个样本构成测试集，每个样本的输入向量维数为81，输出向量维数为3，在模型训练之前，对训练集输入向量归一化，并利用训练集输入向量的最大和最小值对测试数据归一化；对输出数据的三个分量分别构建神经网络，将三个神经网络模型的预测结果按顺序组合成一个向量，即为模型最终的预测结果；步骤4)中，训练模型之后，对加噪后的测试数据进行预测，结果表明：各层相对误差都分布在0附近，样本相对误差主要集中在5％以下；步骤5)中，利用模型预测出的各层电导率重构出电动势信号，即选取一部分测试数据预测得到的各层电导率值，进行数值模拟计算得出电动势值，这些信号即为去噪后的信号，然后计算重构所得信号与原信号的平均相对误差，计算公式为：其中，n为重构样本数，m为时间点数，A,C均为n行，m列的二维矩阵，每一行代表一个电动势信号，ae为平均相对误差，在此，n＝100,m＝81，各个信噪比的ae值如下表所示：SNRae30dB0.63％40dB0.35％50dB0.27％70dB0.27％从表中可见，去噪后信号与原信号之间的误差很小，信噪比在30dB以上时，平均相对误差不大于1％，故该方法可以有效降噪。进一步优选，步骤2)中，加噪的基本过程为：201)计算信号能量，记为sp；202)按信噪比定义式计算噪声功率，记为np；203)产生各个分量服从均值为0方差为np的正态分布的信号；204)将噪声信号加入到给定信号中即得加噪后的信号；具体的：产生一个样本服从正态分布的信号，其功率为给定值，设x服从均值为0，方差为σ2的正太分布，则E(x)＝0D(x)＝σ2若产生信号：X＝[x1,x2…xn]其中x1,x2…xn服从上述分布且相互独立。则信号X功率为：P的期望为:...

【技术保护点】
1.基于神经网络的地空时间域电磁系统噪声抑制方法，其特征在于，所述时间域电磁系统为长导线源时间域电磁系统，所述方法包括如下步骤：/n1)长导线源时间域电磁系统的电磁响应样本库构建；/n2)对步骤1)中的样本进行基于不同信噪比的随机噪声加载；/n3)构建神经网络模型，并利用训练集样本进行训练；/n4)通过训练结果对测试集样本进行预测，得到电导率；/n5)通过训练集预测得到的电导率进行重构，并分析误差。/n

【技术特征摘要】
1.基于神经网络的地空时间域电磁系统噪声抑制方法，其特征在于，所述时间域电磁系统为长导线源时间域电磁系统，所述方法包括如下步骤：
1)长导线源时间域电磁系统的电磁响应样本库构建；
2)对步骤1)中的样本进行基于不同信噪比的随机噪声加载；
3)构建神经网络模型，并利用训练集样本进行训练；
4)通过训练结果对测试集样本进行预测，得到电导率；
5)通过训练集预测得到的电导率进行重构，并分析误差。


2.如权利要求1所述的基于神经网络的地空时间域电磁系统噪声抑制方法，其特征在于，具体的，包括如下步骤：
步骤1)中，利用固定深度的三层模型构建样本库：选取第一层电导率变化范围为0.01-0.1S/m，第二层和第三层电导率范围为0.1-1S/m，第一层步长为0.003S/m，第二层和第三层步长为0.02S/m，三层模型中总的样本数是各层电导率取值数量之积，共得到样本65596个；三层模型为了有效反应各层的特征，时间道选取为81个；第一层和第二层深度的取值范围在几十到几百米，选取两层深度都为80米，第三层深度是无穷大，在此不做考虑；
步骤2)中，对不同电导率下的样本分别进行随机噪声的加载，所加载的噪声为高斯白噪声，信噪比分别为30dB、40dB、50dB和70dB，具体计算式如下：



其中，sp为信号功率，np为噪声功率，SNR为信噪比；
步骤3)中，样本总数为65596，随机取60000个样本构成训练集，5596个样本构成测试集，每个样本的输入向量维数为81，输出向量维数为3，在模型训练之前，将对训练集输入向量归一化，并利用训练集输入向量的最大和最小值对测试数据归一化；
对输出数据的三个分量分别构建神经网络，将三个神经网络模型的预测结果按顺序组合成一个向量，即为模型最终的预测结果；
步骤4)中，训练模型之后，对加噪后的测试数据进行预测，结果表明：各层相对误差都分布在0附近，样本相对误差主要集中在5％以下；
步骤5)中，利用模型预测出的各层电导率重构出电动势信号，即选取一部分测试数据预测得到的各层电导率值，利用样本库构建程序得到各个电导率下的电动势信号，这些信号即为去噪后的信号，然后计算重构所得信号与原信号的平均相对误差，计算公式为：



其中，n为重构样本数，m为时间点数，A,C均为n行，m列的二维矩阵，每一行代表一个电动势信号，ae为平均相对误差，在此，n＝100,m＝81，各个信噪比的ae值如下表所示：








SNR
ae


30dB
0.63％


40dB
0.35％


50dB
0.27％

【专利技术属性】
技术研发人员：关珊珊，刘汉卿，嵇艳鞠，吴琼，王远，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22