基于小波包分解与GA优化BP神经网络的瞬变电磁反演

李瑞友; 白细民; 张勇; 汪靖; 朱亮; 丁小辉; 李广

doi:10.13278/j.cnki.jjuese.20230086

吉林大学学报(地球科学版) ›› 2024, Vol. 54 ›› Issue (03) : 1003 -1015. DOI: 10.13278/j.cnki.jjuese.20230086

基于小波包分解与GA优化BP神经网络的瞬变电磁反演

李瑞友, 白细民, 张勇, 汪靖, 朱亮, 丁小辉, 李广

作者信息 +

Author information +

文章历史 +

PDF (5001K)

摘要

瞬变电磁反演是高维非凸的复杂非线性反演问题。利用传统的BP(back propagation)神经网络可以有效缓解瞬变电磁反演的过拟合现象，但是BP算法收敛速度慢、易陷入局部最优。为了解决这些问题，提出了一种基于小波包分解(wavelet packet denoising, WPD)和遗传算法(genetic algorithm, GA)优化BP神经网络的方法(WPD-GA-BP),并应用于瞬变电磁反演中。首先，采用基于硬阈值和Daubechies系列中Db13的WPD方法降低观测磁场数据中的噪声成分，同时提出一种剔除冗余特征的样本采集策略。然后，引入具有全局性的GA优化BP神经网络初始权重，提升BP算法的学习能力和求解精度。最后，基于中心回线源一维瞬变电磁正演理论，构建层状地电模型，经WPD预处理后进行反演，并比较GA-BP与传统Occam、单一BP、PSO-BP(particle swarm optimization-BP)、DE-BP(differential evolution-BP)等算法的反演结果。理论模型与实测数据反演结果表明：在瞬变电磁层状地电模型反演中，WPD-GA-BP比其他算法具有更高的精度以及更强的稳定性和正演数据拟合能力，可有效应用于电磁探测反演解释中。