
浏览全部资源
扫码关注微信
长江大学电子信息与电气工程学院
Published:2026
移动端阅览
曾晨瑞, 熊杰, 曹振, et al. 带光滑约束的大地电磁深度强化学习反演[J]. Bulletin of Geological Science and Technology, 2026, 45(1): 302-313.
曾晨瑞, 熊杰, 曹振, et al. 带光滑约束的大地电磁深度强化学习反演[J]. Bulletin of Geological Science and Technology, 2026, 45(1): 302-313. DOI: 10.19509/j.cnki.dzkq.tb20240349.
反演是处理大地电磁测深数据的关键步骤之一,得到了学者的广泛研究。其中基于数据驱动的反演方法主要包括带监督反演和半监督反演,对无监督反演的研究较少。DQN(deep Q-network)是一种经典的深度强化学习算法,作为无监督反演方法最近被用于解决一维大地电磁反演问题,该方法具有不需要训练数据集、对初始模型依赖较小、多次反演能够得到反演结果的概率分布等优点,但存在反演结果不集中的问题。提出了带光滑约束的大地电磁强化学习反演方法(smooth DQN,简称SDQN),该方法基于强化学习框架,将反演问题看成马尔可夫决策问题,并分别定义环境、奖励、智能体等术语;然后将正则化反演的模型约束项引入到奖励中来,从而引导智能体不断调整预测模型的电阻率参数以得到更符合模型约束的结果。理论模型反演结果表明,相较于DQN反演和Occam反演方法,在相同反演次数情况下SDQN方法反演不同噪声水平的观测数据时结果更稳定。西藏扎西康矿集区的大地电磁实测数据反演结果与Occam反演结果基本吻合并与已有的地质解释资料一致。SDQN方法具有反演结果更集中、对观测数据的抗噪能力更强的优点,是解决大地电磁反演问题的新工具。
Jevinani Mehdi Rahmani,Dehkordi Banafsheh Habibian,Ferguson Ian J.,Rohban Mohammad Hossein.Correction to: Deep learning-based 1-D magnetotelluric inversion: performance comparison of architectures[J].Earth Science Informatics,2024.
Nádasi Endre,Gribenko Alexander V.,Zhdanov Michael S..Large-Scale Inversion of Magnetotelluric Data Using Regularized Gauss–Newton Method in the Data Space[J].Pure and Applied Geophysics,2022.
Zhu Xiaoyu,Dong Hefeng.Shear Wave Velocity Estimation Based on Deep-Q Network[J].Applied Sciences,2022.
Liao Xiaolong,Zhang Zhihou,Yan Qixiang,Shi Zeyu,Xu Kai,Jia Ding.Inversion of 1-D magnetotelluric data using CNN-LSTM hybrid network[J].Arabian Journal of Geosciences,2022.
Bo Yang,Kaijun Xu,Zhan Liu.Fuzzy Constrained Inversion of Magnetotelluric Data Using Guided Fuzzy C-Means Clustering[J].Surveys in Geophysics,2021.
Hoël Seillé,Gerhard Visser.Bayesian inversion of magnetotelluric data considering dimensionality discrepancies[J].Geophysical Journal International,2020.
Beakcheol Jang,Myeonghwi Kim,Gaspard Harerimana,Jong Wook Kim.Q-Learning Algorithms: A Comprehensive Classification and Applications.[J].IEEE Access,2019.
Dennis Conway,Graham Heinson,Nigel Rees,Joseph Rugari.Time-lapse inversion of one-dimensional magnetotelluric data[J].Earth, Planets and Space,2018.
董珮瑶,杜利,赵磊,包一凡,尹茂生.机器学习模型在地热开发水温预测中的应用[J].地质科技通报,2025(03).
彭勃,强思远,施小清.基于贝叶斯实验设计优化跨孔高密度电阻率法监测四维水文地质过程[J].地质科技通报,2025(05).
潘新朋,刘志顺,高大维,王璞,郭振威,柳建新.岩石物理驱动的储层物性参数非线性地震反演方法[J].地球物理学报,2024(03).
李思平,刘彩云,熊杰,田慧潇,王方.基于改进残差网络的大地电磁反演研究[J].物探与化探,2023(06).
王方,熊杰,田慧潇,李思平,康佳帅.基于深度学习的大地电磁二维反演方法[J].地质科技通报,2024(02).
王永昌,刘彩云,熊杰,王康,胡焕发,康佳帅.基于生成对抗网络的半监督地震波阻抗反演[J].现代地质,2024(06).
韩盈,安志国,底青云,王中兴,康利利.基于循环神经网络的大地电磁信号噪声压制研究[J].地球物理学报,2023(10).
李丽丽,李长伟,程勃,陈汉波,吕玉增,熊彬,张媛,黄杨.基于改进粒子群算法的大地电磁反演[J].科学技术与工程,2023(26).
刘高村,王绪本,袁崇鑫,李德伟,谢卓良.Transformer网络在大地电磁反演成像中的应用[J].物探化探计算技术,2023(04).
周俊杰,胡英才,刘祜,陈聪.考虑先验信息的大地电磁模拟退火反演[J].地质论评,2023(S1).
秦策,刘幸飞,王绪本,孙卫斌,赵宁.基于自适应有限元正演的大地电磁法三维反演算法研究[J].地球物理学报,2022(06).
姜奋勇,叶益信,陈海文,杨烁健.基于非结构网格的带地形MT二维Occam反演及应用[J].物探与化探,2022(02).
徐凤姣,谢兴兵,郭全仕.不同极化模式的二维大地电磁非线性共轭梯度反演及应用研究[J].石油物探,2022(01).
喻国,肖骑彬,李满.大地电磁二维各向异性反演及其在青藏高原北部的应用[J].地球物理学报,2021(06).
廖晓龙,张志厚,姚禹,路润琪,范祥泰,曹云勇,冯涛,石泽玉.基于卷积神经网络的大地电磁反演[J].中南大学学报(自然科学版),2020(09).
丁鑫,郭乙霏,方宏远,刘小梅,张小旺.基于蚁群算法的层状结构介电特性反演方法[J].人民黄河,2019(06).
焦彦杰,黄旭日,李光明,梁生贤,郭镜.藏南扎西康矿集区深部结构与成矿:来自地球物理的证据[J].地球科学,2019(06).
唐荣江,王绪本,甘露.一种利用特征值性质的MT阻尼最小二乘反演[J].石油物探,2017(06).
梁生贤,吾守艾力·肉孜,廖国忠,郭镜.大地电磁线性反演算法比较[J].地球物理学进展,2014(06).
管贻亮,李予国,胡祖志,黄江波,胡祥云.大地电磁非线性共轭梯度一维反演[J].石油物探,2014(06).
熊杰,孟小红,刘彩云,彭淼.基于差分进化的大地电磁反演[J].物探与化探,2012(03).
吴小平,徐果明.大地电磁数据的Occam反演改进[J].地球物理学报,1998(04).
0
Views
97
下载量
1
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution
京公网安备11010802024621