本文主要研究内容
作者李军健（2019）在《基于卷积神经网络的直流电阻率法地电模型识别方法研究》一文中研究指出：直流电阻率法是一种重要的电法探测技术,广泛应用于环境监测、矿产普查等领域。目前对直流电阻率法的数据处理主要有线性方法和非线性方法两种。线性方法中,最小二乘法在计算时存在信息丢失,辨识结果精度不高等问题。非线性方法中,利用神经网络进行异常体模型识别时易使辨识结果陷入局部极小。为了解决非线性方法中出现的问题,利用深度学习的TensorFlow框架,建立了基于卷积神经网络的直流电阻率法地电模型识别网络。经数据测试,识别网络结果准确度达到91%以上。主要研究内容如下:1)基于有限差分法的数值计算,建立了不同埋深,不同电阻率的异常体模型样本数据库。基于TensorFlow的框架结构,针对单一异常体模型、双目标异常体模型和十种典型异常体模型,分别建立了不同的卷积神经网络。2)针对不同异常体模型,分别建立了识别网络,在对网络进行分析比较后,选用Relu激活函数、交叉熵损失函数和Dropout技术来提高网络精度。利用三种异常体模型样本对网络训练后,精确度结果都达到96%以上,损失度都降低至0.12以内。3)为了提高识别的准确性,对高阻异常样本数据进行加噪声处理,增加样本的抗干扰性。利用测试样本对训练好的识别网络进行了测试,识别准确率均达到93%以上。4)分析了影响卷积神经网络识别精度的批量尺寸、卷积核尺寸、Dropout丢弃率和优化算法等参数,以十种典型异常体识别网络为例,测试结果表明,采用80批量尺寸、3×3卷积核尺寸、0.6 Dropout丢弃率和Adam优化算法时,网络训练效果最佳,输出精度最高。5)利用双目标异常体模型数据、十种典型异常体模型数据和室外实验数据,分别测试了识别网络的识别精度,结果显示测试准确度均达到91%以上。证明识别网络可以有效地识别直流电阻率法地电模型。
Abstract
zhi liu dian zu lv fa shi yi chong chong yao de dian fa tan ce ji shu ,an fan ying yong yu huan jing jian ce 、kuang chan pu cha deng ling yu 。mu qian dui zhi liu dian zu lv fa de shu ju chu li zhu yao you xian xing fang fa he fei xian xing fang fa liang chong 。xian xing fang fa zhong ,zui xiao er cheng fa zai ji suan shi cun zai xin xi diu shi ,bian shi jie guo jing du bu gao deng wen ti 。fei xian xing fang fa zhong ,li yong shen jing wang lao jin hang yi chang ti mo xing shi bie shi yi shi bian shi jie guo xian ru ju bu ji xiao 。wei le jie jue fei xian xing fang fa zhong chu xian de wen ti ,li yong shen du xue xi de TensorFlowkuang jia ,jian li le ji yu juan ji shen jing wang lao de zhi liu dian zu lv fa de dian mo xing shi bie wang lao 。jing shu ju ce shi ,shi bie wang lao jie guo zhun que du da dao 91%yi shang 。zhu yao yan jiu nei rong ru xia :1)ji yu you xian cha fen fa de shu zhi ji suan ,jian li le bu tong mai shen ,bu tong dian zu lv de yi chang ti mo xing yang ben shu ju ku 。ji yu TensorFlowde kuang jia jie gou ,zhen dui chan yi yi chang ti mo xing 、shuang mu biao yi chang ti mo xing he shi chong dian xing yi chang ti mo xing ,fen bie jian li le bu tong de juan ji shen jing wang lao 。2)zhen dui bu tong yi chang ti mo xing ,fen bie jian li le shi bie wang lao ,zai dui wang lao jin hang fen xi bi jiao hou ,shua yong Reluji huo han shu 、jiao cha shang sun shi han shu he Dropoutji shu lai di gao wang lao jing du 。li yong san chong yi chang ti mo xing yang ben dui wang lao xun lian hou ,jing que du jie guo dou da dao 96%yi shang ,sun shi du dou jiang di zhi 0.12yi nei 。3)wei le di gao shi bie de zhun que xing ,dui gao zu yi chang yang ben shu ju jin hang jia zao sheng chu li ,zeng jia yang ben de kang gan rao xing 。li yong ce shi yang ben dui xun lian hao de shi bie wang lao jin hang le ce shi ,shi bie zhun que lv jun da dao 93%yi shang 。4)fen xi le ying xiang juan ji shen jing wang lao shi bie jing du de pi liang che cun 、juan ji he che cun 、Dropoutdiu qi lv he you hua suan fa deng can shu ,yi shi chong dian xing yi chang ti shi bie wang lao wei li ,ce shi jie guo biao ming ,cai yong 80pi liang che cun 、3×3juan ji he che cun 、0.6 Dropoutdiu qi lv he Adamyou hua suan fa shi ,wang lao xun lian xiao guo zui jia ,shu chu jing du zui gao 。5)li yong shuang mu biao yi chang ti mo xing shu ju 、shi chong dian xing yi chang ti mo xing shu ju he shi wai shi yan shu ju ,fen bie ce shi le shi bie wang lao de shi bie jing du ,jie guo xian shi ce shi zhun que du jun da dao 91%yi shang 。zheng ming shi bie wang lao ke yi you xiao de shi bie zhi liu dian zu lv fa de dian mo xing 。
论文参考文献
论文详细介绍
论文作者分别是来自吉林大学的李军健，发表于刊物吉林大学2019-06-25论文，是一篇关于直流电阻率法论文,卷积神经网络论文,地电模型识别论文,吉林大学2019-06-25论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自吉林大学2019-06-25论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：直流电阻率法论文; 卷积神经网络论文; 地电模型识别论文; 吉林大学2019-06-25论文;