详情

原文传递基于生成对抗网络的半航空瞬变电磁数据集扩充与全卷积网络降噪研究

论文题名：	基于生成对抗网络的半航空瞬变电磁数据集扩充与全卷积网络降噪研究
关键词：	隧道勘探;半航空瞬变电磁法;样本集扩充;生成对抗网络;数据降噪;全卷积网络
摘要：	随着国家基础设施建设的逐步进行，工程安全与工程质量越来越得到广泛关注。在我国西南地区山峦林立，地势复杂，桥隧比高也是此处道路工程的一大特点。但隧道施工工序复杂，风险较高，如突水突泥等问题严重影响隧道施工进程，使用物探方法进行隐患的预报预警已成为解决此类问题的主要方法之一。接地长导线源半航空瞬变电磁法克服了传统方法受限于复杂地形的桎梏，以效率高，准确性好等优势受到了认可与推广。然而地面发射，空中接收的装置形式将更多的噪声干扰引入了采集过程中，对数据处理及解释工作提出了更多挑战。近几年，随着计算机计算能力的提高与增强，促进了人工智能技术的发展，许多地球物理学者将目光投向深度学习方法。但深度学习的传统应用领域如图像识别，其数据集获取成本低，数量庞大，可通过图片旋转的方式实现扩充。地球物理数据多为一维形式，难以通过旋转方法实现数据扩充，同时探测结果的获取成本高，数量稀少。现有方法多是使用合成数据解决真实勘探问题，合成与真实数据间的差异限制了该方法在地球物理领域的应用和发展。基于此类问题，本文的研究内容如下: 　　(1)接地长导线源半航空瞬变电磁法区别与地面瞬变电磁法，采用地面激发空中接收的形式，此方法增加了数据矫正难度的同时，将更多不同类型的噪声也引入了数据中，如天电噪声，线圈运动姿态噪声及航速变化和无人机自身产生的相关干扰。区别于采用固定频率的合成噪声进行降噪研究的传统方法，本文使用实采噪声与正演数据叠加制作数据集，以进行降噪网络的监督训练。　　(2)通过深度学习方法实现降噪与识别功能十分依赖数据集的质量与样本数量，然而降噪网络所使用的实采噪声数据数量稀少，无法满足处理精度的需要。基于此问题，本文提出利用生成对抗网络进行实采噪声数据的样本扩充方法，以实采噪声数据的样本分布为基础，通过生成器G与评价器C两个网络结构以对抗学习的形式识别与仿真实采噪声数据的样本分布，通过在分布中大量采样从而实现数据集扩充的目的。经验证使用扩充数据集的深度学习降噪效果明显优于未使用扩充数据集的深度学习降噪效果。　　(3)通过半航空瞬变电磁一维正演方法获取了海量纯净的瞬变电磁信号。按照实采信号的信噪比等其他特征将纯净瞬变电磁信号与噪声样本叠加获取了大量合成数据样本，并进行了降噪网络的训练。训练结束后通过结果验证可知数据经降噪网络的处理可有效提高信噪比及相关系数等参数，切实提高了探测数据的质量。依靠达墨隧道、凤凰l号隧道、凤凰2号隧道及上峰水泥隧道的半航空瞬变电磁探测项目，使用本方法进行了现场实采数据的降噪工作，验证了降噪网络的泛化性。利用视电阻率成像方法对比了降噪前后工区地下的阻值差异情况，证明了本文提出的降噪方法在应用于实际工程中的可信性与有效性。
作者：	王用鑫
专业：	建筑与土木工程
导师：	孙怀凤
授予学位：	硕士
授予学位单位：	山东大学
学位年度：	2022