单一物探方法在解释时不可避免地存在多解性,尤其是在复杂地质条件区。通常对同一测线不同方法的数据分别解释,再基于解释成果,综合分析,相互佐证,是一种简单的组合分析法。虽然考虑了不同方法的数据特征,但未能从数据层级挖掘其中更深...单一物探方法在解释时不可避免地存在多解性,尤其是在复杂地质条件区。通常对同一测线不同方法的数据分别解释,再基于解释成果,综合分析,相互佐证,是一种简单的组合分析法。虽然考虑了不同方法的数据特征,但未能从数据层级挖掘其中更深层次的特征,解释成果是多个数据剖面,显示也不直观。为此,文中提出一种基于稀疏自编码器(Sparse Auto Encoders,SAE)的多方法工程物探数据融合方法。SAE是一种深度网络算法,通过不断学习,自动挖掘蕴含在数据中的深层次特征。融合数据兼备了多种物探数据中蕴含的物性参数特征,充分挖掘了数据中的地质信息,有效降低了解释的多解性,并能做到更直观地显示,可以更加全面地反映地质异常体的特征。展开更多
文摘单一物探方法在解释时不可避免地存在多解性,尤其是在复杂地质条件区。通常对同一测线不同方法的数据分别解释,再基于解释成果,综合分析,相互佐证,是一种简单的组合分析法。虽然考虑了不同方法的数据特征,但未能从数据层级挖掘其中更深层次的特征,解释成果是多个数据剖面,显示也不直观。为此,文中提出一种基于稀疏自编码器(Sparse Auto Encoders,SAE)的多方法工程物探数据融合方法。SAE是一种深度网络算法,通过不断学习,自动挖掘蕴含在数据中的深层次特征。融合数据兼备了多种物探数据中蕴含的物性参数特征,充分挖掘了数据中的地质信息,有效降低了解释的多解性,并能做到更直观地显示,可以更加全面地反映地质异常体的特征。
