【技术实现步骤摘要】
本专利技术涉及磁共振地下水探测（magnetic resonance sounding, mrs）信号提取，特别涉及复杂噪声环境下的一种基于随机森林的磁共振地下水探测信号高精度提取方法。
技术介绍
1、磁共振地下水探测技术对地下含水结构具有直接敏感性，可实现地下含水层分布情况以及含水量大小等水文地质参数的准确解释，近年来被广泛应用于地下水勘探领域，为探明地下水资源分布、探查灾害水含量提供了可靠的技术支撑。然而受限于天然地磁场强度，mrs信号极其微弱，尽管预极化、绝热脉冲等技术增强了信号强度，但信号幅值仍停留在纳伏级别，在非屏蔽的探测环境下极易受到环境噪声的干扰，尤其是噪声源复杂的城区和矿区，多源噪声的存在严重影响信号质量，严重降低了信号关键参数提取的准确性，难以反演解释出真实的地质结构。因此，有必要研究一种高精度信号提取方法以实现复杂噪声环境下地下水的可靠探测。
技术实现思路
1、针对mrs信号中干扰噪声具有多样性，传统方法需要对噪声进行分类消除，即分别对尖峰噪声、工频噪声以及随机噪声进行压制，多步处理易引起信号损失，难以实现有效信号的准确提取，甚至在复杂噪声环境中无法检测有效信号；并且算法实施过程中需要依赖经验手动调节参数，算法易用性较差的问题，本专利技术提出了一种基于随机森林的磁共振地下水探测信号高精度提取方法。
2、本专利技术是这样实现的，
3、一种基于随机森林的磁共振地下水探测信号高精度提取方法，包括以下步骤：
4、a、构建磁共振地下水探
5、b、将步骤a得到的磁共振地下水探测数据作为训练数据，确定随机森林回归模型的最佳决策树数目ntree以及特征变量个数mtry，建立初始随机森林回归模型；
6、c、根据步骤a中的参数范围随机仿真n组测试数据作为初始变量输入至初始随机森林回归模型中，得到预测参数：初始振幅、弛豫时间、拉莫尔频率以及初始相位值，分别计算预测参数与理想信号的真实参数的初始均方根误差，并计算由四个预测参数构建的信号与理想有效信号的初始皮尔逊相关系数和初始均方根误差；
7、d、以拉莫尔频率 f0为中心频率，左右分别截取相同带宽l数据替代初始变量，其中带宽l的取值范围为[5, 80] hz，更新初始随机森林回归模型；
8、e、按照步骤d的数据截取方式对步骤c中测试数据进行截取，并利用更新后的随机森林回归模型预测包括初始振幅、弛豫时间、拉莫尔频率以及初始相位值的预测参数，计算预测参数与理想信号的真实参数的均方根误差，并计算由四个预测参数构建的信号与理想有效信号的皮尔逊相关系数和均方根误差，若参数间以及信号间的均方根误差均小于初始均方根误差，并且信号间皮尔逊相关系数大于初始皮尔逊相关系数，则舍弃初始随机森林回归模型和输入变量，将截取后的变量作为最优输入变量；
9、f、基于最优输入变量以及对应的参数构建随机森林回归模型；
10、g、利用随机森林回归模型对含噪的磁共振地下水探测信号进行参数预测。
11、进一步地，所述步骤b中最佳决策树数目ntree的取值范围为[10,500]，特征变量个数mtry的取值范围为训练数据长度的1/6~1/2，遍历不同最佳决策树数目ntree和特征变量个数mtry的取值，得到不同的随机森林回归模型。
12、进一步地，步骤a中构建磁共振地下水探测信号数据集包括：构建磁共振地下水探测信号时域数据集，其中磁共振地下水探测信号的初始振幅取值范围为[50, 600] nv，弛豫时间取值范围为[50, 600] ms，拉莫尔频率取值范围为[2362, 2368] hz，初始相位取值范围为[-π, π]；
13、构建噪声数据集，包含仿真的尖峰噪声、窄带正弦噪声、随机噪声以及实测的噪声数据，其中仿真的尖峰噪声的峰值取值范围为[0, 2000] nv，持续时间取值范围为[1, 10]ms；窄带正弦噪声包含工频谐波噪声及特定频率噪声，振幅取值范围为[0, 1000] nv，频率取值范围为[2000, 3000] hz，相位取值范围为[-π, π]；随机噪声包括均匀噪声、背景噪声以及标准差为[0, 200] nv的高斯噪声；
14、将磁共振地下水探测信号时域数据以及噪声数据合成含噪数据并将含噪数据进行傅里叶变换，得到用于模型训练的磁共振地下水探测信号数据集。
15、本专利技术与现有技术相比，有益效果在于：本专利技术主要应用在磁共振地下水探测中，该方法通过对磁共振地下水探测信号（mrs信号）中初始振幅、弛豫时间、拉莫尔频率以及初始相位四个关键参数的准确估计，实现对mrs信号的有效提取，该方法应用过程中无需手动调节参数，易用性强、运行速度快并且具有较强的抗干扰能力。并且针对mrs信号暂无开源数据集以及实际探测数据较少的问题，本专利技术提出了实测噪声及仿真噪声数据融合的方法，通过仿真的信号与噪声以及实测噪声共同构成训练集。并且针对常规数据分类中，将除尖峰噪声以及工频噪声以外的其余噪声简单归结为随机噪声的问题，本专利技术在构建数据集过程中分别仿真尖峰噪声、窄带正弦噪声以及随机噪声，其中窄带正弦噪声包括工频谐波噪声以及特定频率干扰，随机噪声包括均匀噪声、背景噪声以及高斯噪声。结合mrs频域数据信号特征更加明显的特性，选用mrs频域信号作为输入数据，并在拉莫尔频率左右分别截取数据片段优化输入变量，提升方法的准确性和运算速率，相比于利用时域信号作为训练数据的神经网络预测方法，该方法所需数据量更小，运行速度更快，精度更高。
16、处理数据过程中无需依赖经验人工调节参数，具有较强的易用性和抗干扰能力，仅通过小样本训练即可实现复杂噪声环境中mrs信号的高精度提取，在磁共振地下水探测数据预处理领域具有重要意义和实用价值。
本文档来自技高网...【技术保护点】
1.一种基于随机森林的磁共振地下水探测信号高精度提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机森林的磁共振地下水探测信号高精度提取方法，其特征在于，所述步骤b中最佳决策树数目ntree的取值范围为[10,500]，特征变量个数mtry的取值范围为训练数据长度的1/6~1/2，遍历不同最佳决策树数目ntree和特征变量个数mtry的取值，得到不同的随机森林回归模型。
3.根据权利要求1所述的基于随机森林的磁共振地下水探测信号高精度提取方法，其特征在于，步骤a中构建磁共振地下水探测信号数据集包括：构建磁共振地下水探测信号时域数据集，其中磁共振地下水探测信号的初始振幅取值范围为[50, 600] nV，弛豫时间取值范围为[50, 600] ms，拉莫尔频率取值范围为[2362, 2368] Hz，初始相位取值范围为[-π, π]；
【技术特征摘要】
1.一种基于随机森林的磁共振地下水探测信号高精度提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机森林的磁共振地下水探测信号高精度提取方法，其特征在于，所述步骤b中最佳决策树数目ntree的取值范围为[10,500]，特征变量个数mtry的取值范围为训练数据长度的1/6~1/2，遍历不同最佳决策树数目ntree和特征变量个数mtry的取值，得到不同的随机森林...
【专利技术属性】
技术研发人员：林婷婷，于思佳，韦萌，林小雪，杨玉晶，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。