(19)中华 人民共和国 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 202111618427.4 (22)申请日 2021.12.27 (71)申请人 厦门大学 地址 361005 福建省厦门市思明区思明南 路422号 (72)发明人 卓建亮　胡利浩　侯萱影　金建峰　 柳清伙　 (74)专利代理 机构 厦门南强之 路专利事务所 (普通合伙) 35200 代理人 马应森 (51)Int.Cl. G06F 30/27(2020.01) G06N 20/00(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 50/02(2012.01) G01V 3/38(2006.01) (54)发明名称 一种基于2.5维混合谱元法的神经网络地质 探测反演方法 (57)摘要 一种基于2.5维混合谱元法的神经网络地质 探测反演方法， 涉及地震油气勘探技术和电磁场 联合反演领域。 首先模拟广域电磁 法中数据采集 场景， 进行2维地质模型建模， 通过对地下介质扭 曲挤压来实现地质结构的随机变化来获得机器 学习使用的随机模型， 采用2.5维混合谱元法对 各组模型进行正演模拟， 获得机器学习训练数据 集， 神经网络反演： 采用两个UNET神经网络的模 式去训练数据集； 再分别通过成矿模型(理论模 型)和矿区的实测数据对本发明提出的神经网络 反演方法进行验证， 判断神经网络反演方法的有 效性和准确性。 实现带起伏地形结构和复杂的地 下介质结构的大规模尺寸模型， 实现地下深部 1000～3000m左右的地质资源勘探 。 权利要求书2页 说明书7页 附图6页 CN 114254566 A 2022.03.29 CN 114254566 A 1.一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征在于包括如下步 骤： 步骤一、 模拟广域电磁法中数据采集场景， 进行2维成矿地质模型建模； 步骤二、 以2维成矿地质模型为蓝本， 将地质结构和介质参数随机变化， 获得若干组机 器学习使用的随机模型； 步骤三、 采用2.5维混合谱元法对各组模型进行正演模拟， 得到机器学习训练数据集， 即视电阻率 ‑电阻率数据对； 步骤四、 神经网络反演： 采用两个UNET神经网络的模式去训练数据集， 第一个网络输入 为视电阻率、 输出为电阻率； 第二个网络 输入为第一个网络的预测电阻率、 输出为电阻率； 步骤五、 将测试集的视电阻率数据输入训练好的网络中， 得到预测电阻率数值； 用 Matlab中的co lorbar函数画出电阻率图像； 步骤六、 将预测电阻率回代入2.5维混合谱元法正演计算出视电阻率， 然后与真实视电 阻率对比算出Data  Misfit， 判断神经网络反演方法的有效性和准确性。 2.如权利要求1所述一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征 在于在步骤一中， 所述2维成矿地质模型建模的具体方法如下： (1)根据地层 及岩(矿)石的几何物性 参数， 对各区域进行电阻率 填图； (2)对模型进行非规则四边形网格剖分， 以使在谱元法正演计算中得到的数据集满足 精度需求； 由于不同物质之间电磁参数变化较大， 为确保1Hz～10KHz内的足够的采样率， 同 时兼顾求解自由度， 需要采用不同的网格尺寸分别剖分不同的物质， 对电阻率较低或趋肤 深度较小的金属矿层采用较密网格剖分， 电阻率较高的普通岩石层则采用较大的网格剖 分。 3.如权利要求1所述一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征 在于在步骤二中， 所述若干组机器学习使用的随机模型， 至少为10 00组。 4.如权利要求1所述一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征 在于在步骤二中， 所述以2维成矿地质模型为蓝本， 将地质结构和介质参数随机变化的具体 方法如下： (1)对初始2维成矿地质模型采用等阻线分割成一定数量的区域， 用不同的颜色代表不 同的区域 号数， 并进行编号； (2)通过扭曲与挤压各个介质来模拟地质的运动从而获得新的地质结构， 挤压的扭曲 力度和位置在一定范围内是随机的， 虽然地质结构经过随机大小的扭曲与挤压， 但是区域 编号并不改变； (3)给每个编号的地质填充电阻率， 填充的电阻率是在初始模型中对应区域电阻率的 ±10％范围内随机变化； 反演用到的视电阻率和电阻率均是以10为底取对数后再变化； 因 此， 对数后的 ±10％变化是一个很大的动态范围。 5.如权利要求1所述一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征 在于在步骤三中， 所述 正演模拟， 每一组模型都正演至少8次。 6.如权利要求5所述一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征 在于正演8次时用8种 频率分别在电阻率相同的情况下正演计算出对应的视电阻率； 8种 频 率为1、 4、 16、 64、 25 6、 512、 1024、 2048H z。权　利　要　求　书 1/2 页 2 CN 114254566 A 27.如权利要求1所述一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征 在于在步骤四中， 所述采用两个UNET神经网络的模式去训练数据集， 其中， 第一个网络的输 入维度为96*8， 每个模 型都设置96个相同的接收点， 是8种不同频率下的96个接收点处的电 场值， 将其处理成视电阻率数据； 输出维度为128 *256， 是模 型的电导率， 将其处理成电阻率 数据； 第二个网络的输入维度为128*256， 是第一个网络预测出的电阻率数据； 输出维度为 128*256， 是真实电阻率数据。 8.如权利要求1所述一种基于2.5维混合谱元法的神经网络地质探测反演方法， 其特征 在于在步骤六中， 所述Data  Misfit的计算公式如下： 其中： test_Y:真实视电阻率； test_y:神经网络反演出的预测电阻率代回正演计算出的视电 阻率。权　利　要　求　书 2/2 页 3 CN 114254566 A 3