.png){kind=icon}
返回
Deep learning-based near-field effect correction method for Controlled Source Electromagnetic Method and application
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0308875.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
处理近场效应对可控源电磁法(CSEM)的影响一直是地球物理勘探领域的一个焦点。因此，我们提出了一种基于深度学习的近场校正方法用于可控源电磁法。最初，通过正演模拟为层状地质模型生成了多样化的数据集。基于近场效应的特征，精心构建了一个利用LSTM-CNN的深度学习网络。执行了多次实验以审视该网络在缓解近场效应方面的有效性及其抗噪声能力。在此基础上，将所提出的方法应用于实际CSEM数据，以验证其在实践中的适用性。随后，该方法在实测CSEM数据上进行了测试，证实了其实用效果。实验结果表明，对于理论数据，经LSTM-CNN网络训练的数据与模拟数据高度吻合，展示了显著改善。此外，当应用于实测数据时，该方法消除了低频下的虚假高阻异常。总之，这种基于深度学习的校正方法能够有效消除CSEM中的近场效应影响，提供了能够更准确反映真实地质结构的应用效益。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
暂无机构信息
引用论文
Constrained 2D inversion of radio-magnetotelluric and controlled-source audio-magnetotelluric data using high-resolution reflection seismic data: An example in groundwater surveying from Heby, Sweden.png)
GEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏Mineralization Based on CSAMT and SIP Sounding Data: A Case Study on the Hadamengou Gold Deposit in Inner Mongolia基于CSAMT和SIP测深数据的矿化研究：内蒙古哈达门沟金矿床实例分析MineralsOAAI
MineralsIF0
OAAI分享收藏分享收藏1D inversion of multicomponent, multifrequency marine CSEM data: Methodology and synthetic studies for resolving thin resistive layersGEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏Controlled-Source Electromagnetic Approaches for Hydrocarbon Exploration and Monitoring on Land
PREAI
分享收藏
A novel approach to address source overprint and shadow effects in controlled-source audio-frequency magnetotelluric explorationGEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏Seismic structure-constrained inversion of CSAMT data for detecting karst caves基于CSAMT数据的地震结构约束反演用于探测喀斯特洞穴
PREAI
分享收藏
查看更多内容