基本信息:
- 专利标题： 基于SRGAN深度学习网络的地磁异常数据稳定向下延拓方法
- 申请号：CN202411697617.3 申请日：2024-11-26
- 公开(公告)号：CN119646415A 公开(公告)日：2025-03-18
- 发明人： 边刚 , 熊攀 , 刘强 , 金绍华 , 段盛文 , 陈志键 , 王美娜
- 申请人： 中国人民解放军海军大连舰艇学院
- 申请人地址： 辽宁省大连市中山区解放路667号
- 专利权人： 中国人民解放军海军大连舰艇学院
- 当前专利权人： 中国人民解放军海军大连舰艇学院
- 当前专利权人地址： 辽宁省大连市中山区解放路667号
- 代理机构： 大连理工大学专利中心
- 代理人： 刘秋彤; 梅洪玉
- 主分类号： G06F18/15
- IPC分类号： G06F18/15 ; G01V3/38 ; G06F18/2131 ; G06N7/01 ; G06N3/0464 ; G06N3/045 ; G06N3/0475 ; G06N3/094
摘要：
基于SRGAN深度学习网络的地磁异常数据稳定向下延拓方法，属于地球物理磁场数据延拓领域。本发明结合地磁异常数据延拓特点，添加了CBAM空间注意力机制模块来提高网络模型对磁异常数据的空间感知能力，结合位场数据向下延拓会放大高频信号产生噪声的特点，将深度学习模型结合了自适应阈值多重小波变换来抑制噪声数据进一步提高延拓精度。为使模型充分学习地磁异常数据的细节信息，提出一种克里金超分辨率算法结合滑动子区模式的训练数据集构建方法。通过设计合成仿真模型实验和实测数据与其他三种算法进行对比，本发明模型所计算精度最高，对磁异常细节信息恢复最好。