[发明专利]一种新型重力位场向下延拓方法

说明书

本发明公开了一种新型重力位场向下延拓方法，包括以下步骤：S1：建立D‑Unet网络；S2：采用高平面位场数据一和低平面位场数据一对所述D‑Unet网络进行训练，获得训练好的D‑Unet网络；所述低平面位场数据一为所述高平面位场数据一采用频率域向下延拓后的结果；S3：获取待向下延拓的高平面位场数据二，并采用频率域向下延拓获得所述高平面位场数据二向下延拓后的低平面位场数据二；S4：将所述高平面位场数据二和所述低平面位场数据二制作成标签，共同输入至所述训练好的D‑Unet网络，获得所述高平面位场数据二的最终向下延拓结果。本发明具有更好的有效性、精确性和鲁棒性，能够更快速、准确地获得重力位场向下延拓结果，为地质体的特征分析研究提供技术支持。

技术领域

本发明涉及重力位场延拓技术领域，特别涉及一种新型重力位场向下延拓方法。

背景技术

地质体的重力位场是地球重力作用空间，为矢量场，其对于地质体的特征分析研究具有重要意义。重力位场向下延拓是将高平面重力位场数据转换至低平面位场数据的方法，还原位场数据，尤其是突出浅部的高频异常，加强对于地下地质体的特征，便于对地质问题进行解译。由于该转换在数学上为反问题求解，因而其具有不稳定性。位场向下延拓方法主要可以分为两个方面：空间域计算和频率域计算。

其中空间域计算方法的精度较高，但是由于其公式的复杂性等原因，其过程繁复、计算速度缓慢，因而不适合大数量计算，实用性较差。另外，空间域位场向下延拓方法的主要方法为积分迭代法，其对原始高平面位场数据的要求较高，一般要求其地形坡度低于15°，这样对于地形的要求就比较高，适用范围大打折扣。且积分迭代法虽然相较于传统的空间域方程求解时间已经有所加快，但是迭代法本质上还是对于一个较大的积分方程的无限求解，如此仍需占用大量的计算资源，消耗大量计算时间，在日常的使用过程中，该方法相较于频率域方法速度慢了有20倍以上，这对于工程角度而言是非常不可取的。频率域计算方法的优点则体现在计算效率高、基本不受数据量大小限制等方面，但该方法在计算过程中会放大高频噪声从而导致频率域计算方法的精度受限。

发明内容

针对上述问题，本发明旨在提供一种计算速度与计算精度都适中的新型重力位场向下延拓方法。

本发明的技术方案如下：

一种新型重力位场向下延拓方法，包括以下步骤：

S1：建立D-Unet网络，所述D-Unet网络通过使用Densenet网络结构代替Unet网络中的特征提取部分建立而成；

S2：采用高平面位场数据一和低平面位场数据一对所述D-Unet网络进行训练，获得训练好的D-Unet网络；所述低平面位场数据一为所述高平面位场数据一采用频率域向下延拓后的结果；

S3：获取待向下延拓的高平面位场数据二，并采用频率域向下延拓获得所述高平面位场数据二向下延拓后的低平面位场数据二；

S4：将所述高平面位场数据二和所述低平面位场数据二制作成标签，共同输入至所述训练好的D-Unet网络，获得所述高平面位场数据二的最终向下延拓结果。

作为优选，步骤S1中，所述D-Unet网络由Dense block、transition layer、commonlayer、convolutional layer、drop out layer、up convolutional layer组成；所述convolutional layer的激活函数为ReLU函数，卷积核为3*3；所述up convolutionallayer的卷积核为2*2；

所述D-Unet网络的输入数据为256*256的数据；

所述输入数据经过一次Dense block运算后，进行一次3*3的卷积，然后进入到transition layer，所述transition layer对输入的数据进行一次2*2的最大池化，随后重复上述步骤3次，最终形成32*32*512的数据；