(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211470022.5 (22)申请日 2022.11.23 (71)申请人 中国地质大 学 （武汉） 地址 430074 湖北省武汉市鲁磨路3 38号 (72)发明人 蔡红柱　冼锦炽　何子昂　杨浩　 (74)专利代理 机构 武汉华之喻知识产权代理有 限公司 42 267 专利代理师 李君　廖盈春 (51)Int.Cl. G01V 3/38(2006.01) G06F 30/27(2020.01) G06N 3/04(2006.01) (54)发明名称 一种地面拖拽式瞬变电磁成像方法及系统 (57)摘要 本发明提供了一种地面拖拽式瞬变电磁成 像方法及系统， 属于地球物理方法和人工智能技 术领域， 方法包括： 将采集地面的实际观测瞬变 电磁响应数据输入至训练完毕的CNN ‑LSTM网络 模型中， 获取目标电阻率模型； CNN ‑LSTM网络的 训练过程为： 采用理论模型通过瞬变电磁正演获 取理论观测瞬变电磁响应数据； 采用B样条插值 构建层状电阻率模型， 构建数据集标签； 以该数 据集标签作为输入， 将光滑约束项与电阻率的累 加灵敏度添加至损失函数中， 以网络预测的电阻 率为输出训练CNN ‑LSTM网络模型。 本发明在保证 反演结果可靠的同时提升反演速度。 权利要求书4页 说明书14页 附图9页 CN 115508900 A 2022.12.23 CN 115508900 A 1.一种地 面拖拽式瞬变电磁成像方法， 其特 征在于， 包括以下步骤： 将采集地面的实际观测瞬变电磁响应数据输入至训练完毕的CNN ‑LSTM网络模型中， 获 取目标电阻率模型， 实现地 面拖拽式瞬变电磁成像； 其中， CNN‑LSTM网络模型的训练过程 为： S1： 采用基于B样条插值构建纵向连续的层状电阻率模型； S2： 通过正演获得理论模型的瞬变电磁响应数据或者通过野外采集拖拽 式瞬变电磁数 据， 构建以电磁响应数据与电阻率组合的数据集标签； 其中， 所述理论模型为能够获取理论 观测瞬变电磁响应数据的模拟模型； S3： 以数据集标签作为输入， 将光滑约束项与电阻率的累加灵敏度添加至损失函数中， 以网络电阻率预测值与数据集标签中的电阻率相对误差为目标函数， 以网络预测的电阻率 为输出， 训练CNN ‑LSTM网络模 型； 其中， 将网络预测的电阻率错位相减的相对误差作为光滑 约束项； 电阻率的累加灵敏度用于表征根据数据集标签中电磁响应数据对层状电阻率模型 的灵敏度为电阻率模型分配权重； CNN ‑LSTM网络模型包括3个卷积层、 1个BiLSTM层和全连 接层； 3个卷积层后均附加 一个激活函数层， 用于提取数据特征； 全连接层也附加激活函数 层； BiLSTM层的输入 模式为先将数据特 征正序输入， 再将数据特 征倒序输入； S4： 对CNN ‑LSTM网络模型进行评估， 若CNN ‑LSTM网络模型输出电阻率值与对应正演得 到的电磁响应数据误差小于预设的范围， 则判定 CNN‑LSTM网络模型训练完毕。 2.根据权利要求1所述的地面拖拽式瞬变电磁成像方法， 其特征在于， 数据集标签的获 取方法， 具体包括以下步骤： 将矩形发射回线源微分看作若干垂直磁偶源， 基于理论模型沿矩形回线方向进行积 分， 计算频率 域电磁响应数据； 采用正弦或余弦变换数字滤波方法将频率域电磁响应数据转换到时间域电磁响应数 据， 获取理论观测瞬变电磁响应数据； 采用B样条插值构建层状电阻率模型， 结合理论观测瞬变电磁响应数据或者野外采集 拖拽式瞬变电磁数据， 构建电磁响应数据与电阻率组合的数据集标签。 3.根据权利要求1或2所述的地面拖拽式瞬变电磁成像方法， 其特征在于， B样条插值构 建层状电阻率模型的方法为： 确定若干个控制点， 对所有控制点的电阻率在5Ω ·m‑500Ω·m范围内进行超立方采 样； 将首尾两个控制点的地面深度分别固定在0m与130m处， 其他控制点的地面深度随机确 定， 且各控制点之间的间隔不小于10m； 对初始电阻率模型按对数递增的方式剖分成若干层， 依据若干控制点使用B样条插值， 生成含若干个电阻率且固定层厚的层状电阻率模型。 4.根据权利要求3所述的地面拖拽式瞬变电磁成像方法， 其特征在于， 所述电阻率的累 加灵敏度为： 权　利　要　求　书 1/4 页 2 CN 115508900 A 2其中,sj为对应层电阻率的累加灵 敏度；Jij表示第j个层状电阻率模型参数 mj对第i个数 据集标签中理论观测瞬变电磁响应数据的灵敏度； △di为数据集标签中理论观测瞬变电磁 响应数据点上的噪声； N为数据集标签总数； 光滑约束 项为： 其中， 表示CNN‑LSTM网络预测的第 j个电阻率； M为预测的电阻率个数； 损失函数为： 其中， 分别为网络预测的第 j个电阻率值， 数据集标签的第 j个电阻率值； λ1与 λ2 分别为灵敏度约束 项与光滑约束 项的正则化 参数。 5.根据权利要求1所述的地面拖拽 式瞬变电磁成像方法， 其特征在于， S2与S3之间还包 括以下步骤： 通过设定两个数据集标签中电磁响应数据的相对误差阈值以及电阻率的相对误差阈 值， 若两个数据集标签中的电磁响应数据和电阻率的相对误差小于对应相对误差阈值， 则 删除其中一个数据集标签； 对单一同时间道上剩余的数据集标签的电磁响应数据进行归一 化处理。 6.一种地 面拖拽式瞬变电磁成像系统， 其特 征在于， 包括： CNN‑LSTM网络模块， 其内设置有CNN ‑ LSTM网络模型， 用于接收采集地面的实际观测瞬 变电磁响应数据， 获取目标电阻率模 型， 实现地面拖拽式瞬变电磁成像； 其中， CNN ‑ LSTM网 络模型以数据集标签作为输入， 将光滑约束项与电阻率的累加灵敏度添加至损失函数中， 以网络电阻率预测值与数据集标签中的电阻率相对误差为目标函数， 以网络预测的电阻率 为输出； CNN ‑LSTM网络模型包括3个卷积层、 1个BiLSTM层和全连接层； 3个卷积层后均附加 一个激活函数层， 用于提取数据特征； 全连接层也附加激活函数层； BiLSTM层的输入模式为 先将数据特 征正序输入， 再将数据特 征倒序输入； 数据集标签构建模块， 用于采用基于B样条插值构建纵向连续的层状电阻率模型； 通过 正演获得理论模型的瞬变电磁响应数据或者通过野外采集拖拽式瞬变电磁数据， 构建以电 磁响应数据与电阻率组合的数据集标签； 其中， 所述理论模型为能够获取理论观测瞬变电 磁响应数据的模拟模型； 模型评估模块， 用于对CNN ‑LSTM网络模型进行评估， 若CNN ‑LSTM网络模型输出电阻率 值与对应正演得到的电磁响应数据误差小于预设的范围， 则判定CNN ‑LSTM网络模 型训练完 毕。 7.根据权利要求6所述的地面拖拽式瞬变电磁成像系统， 其特征在于， 数据集标签构建权　利　要　求　书 2/4 页 3 CN 115508900 A 3