[发明专利]一种基于小波包去噪与BP神经网络瞬变电磁反演方法

权利要求书

1.一种基于小波包去噪与BP神经网络瞬变电磁反演方法，包括以下步骤：

S1、采集原始数据；

S2、使用小波去噪处理垂直磁场响应数据；

S3、标准化神经网络数据集的输入和输出；

S4、设定神经网络初始参数并选择合适的BP结构；

S5、设定GA的初始参数；

S6、使用GA-BP算法训练BP，并进行BP模型评估；

S7、根据BP模型评估结果判断是否满足最终条件，若满足则进行下一步骤，若不满足则继续进行步骤S6直至满足最终条件；

S8、生成GA-BP算法反演模型；

S9、根据测试集反演地电模型，并得到反演结果。

2.根据权利要求1所述的一种基于小波包去噪与BP神经网络瞬变电磁反演方法，其特征是：所述小波去噪处理包括3个步骤：

L1、信号分解：选择选择小波函数，分解噪声信号，从而得到各层次的小波包系数，包括近似系数和细节系数；

L2、阈值：分解小波包系数的阈值规则可以减少大部分的噪声系数；

L3、信号重构：利用合成的近似系数和去噪的细节系数对每个尺度进行小波包反变换。

3.根据权利要求1所述的一种基于小波包去噪与BP神经网络瞬变电磁反演方法，其特征是：所述GA-BP算法包括以下步骤：

M1、BP网络初始化：确定网络的输入层、隐含层与输出层的神经元数目、以及传递函数和学习函数；

M2、建立染色体个体与网络权值和阈值的非线性映射关系：根据BP神经网络的结构确定GA算法染色体个体的长度，使得种群中每个个体分量均对应网络的一个权值或阈值。接着从个体的取值范围[U_min，U_max]内随机初始化种群，并设置种群规模N，最大迭代次数M，以及交叉概率CR、变异因子F；

M3、个体适应度计算：根据确定的BP网络初始化，计算每个输入个体的输出值，并将其与期望输出比较计算当前个体的适应度，从而求出所有个体的适应度；

M4、种群评估：群体全局最优值是通过种群适应度更新，如果全局最优值低于该种群中的最优适应度，则将其替换全局最优值；

M5、BP网络训练结束条件：当神经网络完成最大迭代次数或全局最优值达到预定目标时，BP算法训练终止，将所计算的全局最优解赋值给训练后神经网络的权值与阈值，并执行步骤M7)；否则，执行步骤M6)；

M6、遗传操作更新种群：新一代的种群由选择算子、交叉算子和变异算子共同产生，并执行步骤M3；

M7、BP神经网络测试：使用训练好的神经网络反演测试样本，对反演结果输出并进行评估。