[发明专利]平衡孔间敏感性的跨孔电阻率CT深度学习反演方法及系统

权利要求书

1.一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法，其特征是：包括以下步骤：

通过数值模拟，构建包括多组孔中电极点电位值-地电模型图数据对的数据库；

对电位数据预处理，提取全局特征向量，进而获取局部特征图；

在损失函数中增加用于平衡孔间敏感性的补偿项，构造深度学习网络，构造深度学习网络的步骤包括：

在损失函数中增加用于平衡孔间敏感性的补偿项和光滑约束项，计算公式为：

其中，是目标地电模型的矩阵形式，M是预测地电模型的矩阵形式，W是用于平衡孔间敏感性的补偿项，λ是权衡光滑约束项s和其它项相对贡献的超参数，s的计算公式如下：

其中，M_i,j表示M第i行j列的元素；

对深度学习网络进行训练，以确定电位数据与地电模型的映射关系；

将采集的电位数据的局部特征图输入深度学习网络的卷积层，得到该组孔中电极点电位值对应的地电模型图，实现反演。

2.如权利要求1所述的一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法，其特征是：构建数据库的具体过程包括：

针对多种背景、形状、尺寸及空间分布的地下工程目标体的地电模型，以多种电极个数、电极间距和孔间距进行数值模拟。

3.如权利要求2所述的一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法，其特征是：对于每一地电模型进行正演，包括对任意两电极点分别供正电和负电，计算其它电极点的电位值，得到孔中电极点电位值-地电模型图数据对。

4.如权利要求1所述的一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法，其特征是：对电位数据的预处理包括：

将所有电位数据通过多个全连接层，获取全局特征向量。

5.如权利要求1所述的一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法，其特征是：对电位数据的预处理包括：将所有电位数据按供电电极分组，并对组内任意两点电位作差扩展数据量，进而将每组数据进行编码，即通过多个全连接层降维；

将全局特征向量加入编码后每组数据中，通过全连接层获得局部特征图。

6.如权利要求1所述的一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法，其特征是：将局部特征图输入深度学习网络的卷积层，得到该组孔中电极点电位值对应的地电模型图的具体过程包括：卷积层的输入是所有局部特征图，即包括所有按供电电极分组求得的局部特征图，输出端为该组孔中电极点电位值对应的地电模型图，即电阻率分布矩阵。

7.一种平衡孔间敏感性的跨孔电阻率CT反演系统，其特征是：包括：

数值模拟模块，被配置为通过数值模拟，构建包括多组孔中电极点电位值-地电模型图数据对的数据库；

特征提取模块，被配置为对获取的电位数据预处理，提取全局特征向量，进而获取局部特征图；

深度学习网络构建模块，被配置为在损失函数中增加用于平衡孔间敏感性的补偿项，构造深度学习网络，构造深度学习网络的步骤包括：

在损失函数中增加用于平衡孔间敏感性的补偿项和光滑约束项，计算公式为：

其中，是目标地电模型的矩阵形式，M是预测地电模型的矩阵形式，W是用于平衡孔间敏感性的补偿项，λ是权衡光滑约束项s和其它项相对贡献的超参数，s的计算公式如下：

其中，M_i,j表示M第i行j列的元素；对深度学习网络进行训练，以确定电位数据与地电模型的映射关系；

反演模块，被配置为将采集的电位数据的局部特征图输入深度学习网络的卷积层，得到该组孔中电极点电位值对应的地电模型图，实现反演。

8.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-6中任一项所述的一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法。

9.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-6中任一项所述的一种平衡孔间敏感性的跨孔电阻率CT深度学习反演方法。