[发明专利]基于自扩展深度置信网络的原油油膜绝对厚度反演方法

权利要求书

1.一种基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，所述反演方法包括：

对实测光谱数据进行筛选得到真实光谱特征数据；

将所述真实光谱特征数据输入对抗生成网络，生成自扩展样本数据；

利用深度置信网络对所述自扩展样本数据进行学习，进而实现对原油油膜绝对厚度的反演。

2.根据权利要求1所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，所述对实测光谱数据进行筛选得到真实光谱特征数据的方法包括：

利用光谱特征筛选器按预设光谱特征区间对所述实测光谱数据进行筛选，得到所述真实光谱特征数据，其中，所述预设光谱特征区间通过基于光谱标准差阈值的油膜特征光谱分析提取方法得到。

3.根据权利要求2所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，所述预设光谱特征区间包括1200nm至1350nm、1500nm至1700nm、2050nm至2200nm。

4.根据权利要求1所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，所述对抗生成网络包括生成网络和判别网络，所述生成网络用于学习所述真实光谱特征数据的样本分布，并生成仿真光谱特征数据，所述判别网络用于判别输入的光谱特征数据的真实性，所述输入的光谱特征数据包括真实光谱特征数据和所述生成网络生成的仿真光谱特征数据。

5.根据权利要求4所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，所述对抗生成网络的训练过程包括：

训练所述判别网络，以使得当所述判别网络的输入为真实光谱特征数据时所述判别网络的输出值趋向于1，以及当所述判别网络的输入为仿真光谱特征数据时所述判别网络的输出值趋向于0；

训练所述生成网络，以使得当所述生成网络的输入为随机噪声时，其生成的仿真光谱特征数据输入所述判别网络的输出结果趋向于1；

按上述方式对所述判别网络和所述生成网络进行训练直至达到纳什平衡点。

6.根据权利要求1所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，对生成的所述自扩展样本数据进行去噪处理后再输入所述深度置信网络。

7.根据权利要求5所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，采用5阶巴特沃斯低通滤波器进行所述去噪处理。

8.根据权利要求1所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，所述深度置信网络包括输入层、多个堆叠在一起的RBM层、输出层。

9.根据权利要求8所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，利用深度置信网络对所述自扩展样本数据进行学习的方法包括：

通过所述多个RBM层逐层初始化式学习所述自扩展样本数据，依次映射所述输入层数据的特征信息；

结合标签数据，采用BP算法逐层微调所述深度置信网络的权重与偏执量。

10.根据权利要求1至9任一项所述的基于自扩展深度置信网络的原油油膜绝对厚度反演方法，其特征在于，所述原油油膜为海面原油油膜。