[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

说明书

本发明公开了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。WPD‑GA‑BP联合算法是一种TEM层状地电模型反演的新方法，采用WPD方法对垂直磁场相响应数据进行预处理，有效地抑制了噪声数据，GA‑BP也使得反演精度更高，稳定性更好。

技术领域

本发明涉及瞬变电磁技术领域，更具体地说，它涉及一种基于小波包去噪与BP神经网络瞬变电磁反演方法。

背景技术

瞬变电磁法(Transient Electromagnetic Method，TEM)是一种快速关断发射脉冲电流，在地面接收二次电磁响应的探测方法。

瞬变电磁反演是一种根据观测数据计算地电结构参数的方法，它一直是地球物理研究中的重要问题。反演方法多是将非线性的问题线性化，但是，线性化方法容易陷入局部极小值，在计算目标函数的梯度时需要大量的计算量。不仅如此，它们还严重依赖于初始模型。然而，基于全局优化的非线性反演方法克服了该缺点。因此，近年来，非线性反演方法越来越受到地球物理学家的重视。

人工神经网络是目前最活跃的非线性反演方法之一，该反演算法不同于具有全空间搜索解的非线性蒙特卡洛类方法。该方法将地电结构参数和正演模型关系都隐含在神经网络的权值和阈值参数中。由于在迭代过程中不需要复杂的正演模型计算，因而具有很高的计算效率，并以较强的学习能力在电法资料的反演解释中得到广泛应用。

在电法资料的反演解释中神经网络受到了广泛的应用(具有良好的非线性拟合能力)，但是神经网络存在着对初始权值敏感，易陷入局部最优等问题。

发明内容

本发明的目的是为了解决上述问题，提供一种基于小波包去噪与BP神经网络瞬变电磁反演方法。

本发明的上述技术目的是通过以下技术方案得以实现的：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。

本发明进一步设置为：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。。

本发明进一步设置为：所述GA-BP算法包括以下步骤：