融合先验物理信息的高精度智能可控源电磁反演算法

• Published in: 地质与勘探 Vol. 60; no. 4; pp. 800 - 808
• Main Authors: 李雄, 罗伟奇, 金小燕, 傅群和, 毛寅, 金妮, 肖青, 贾卓
• Format: Journal Article
• Language: Chinese
• Published: 湖南省自然资源事务中心,湖南长沙 410118%长沙理工大学土木工程学院,湖南长沙 410015 01.07.2024
• Subjects: 先验物理信息; 计算效率; 电阻率参数; deep learning; prior physical information; Jinchuan copper-nickel deposit; 深度学习; computational efficiency; controllable source electromagnetic inversion; resistivity parameters; 金川铜镍矿床; 可控源电磁反演
• ISSN: 0495-5331
• DOI: 10.12134/j.dzykt.2024.04.013

P318; 可控源电磁反演利用人工信号获取地下结构信息,为地质勘探和资源开发提供准确的数据支持.然而,传统电磁反演方法面临低分辨率的挑战,主要是由于简化处理和观测数据的限制,导致模型平滑、细节丢失,从而削弱了反演的准确性,影响了电磁勘探的效率.为了解决这一问题,本文提出将传统反演结果与响应数据同时作为深度网络的输入数据,为深度网络反演提供先验物理信息,并结合深度学习算法提升可控源电磁反演的计算效率.通过模型试验,对合成的电阻率模型分别进行了传统反演、智能反演以及融合先验物理信息的智能反演.结果表明,融合先验物理信息的智能反演能够更好地刻画异常体结构特征,有效提升反演效率,并且得到的电阻率参数更符合实际.最后,将该反演技术应用于金川铜镍矿床的可控源数据反演解释,取得了较为可靠的应用效果.