基于高斯过程回归的时间域航空电磁去噪方法研究

基于高斯过程回归的时间域航空电磁去噪方法研究

论文摘要

时间域航空电磁法是以飞机为载体,通过测量地下介质感应产生的随时间变化的二次场,来探测地下介质的电性分布的一种地球物理勘探方法。具有勘探面积广、成本相对较低、受地形地貌影响较小、勘探效率较高以及具有良好的水平分辨率等优点,因此,可以被广泛的应用在众多领域中,比如:地下水分布调查和矿物资源勘探、未爆炸物的检测、地质填图以及地质灾害监测等。时间域航空电磁法通常采集的是信号较弱的二次场响应,其有效信号频带较宽,从而使得接收到的信号容易受到多种噪声的影响,制约了航空电磁探测系统对地下介质的勘探深度以及后期的数据处理和反演成像精度。所以,对时间域航空电磁数据进行预处理,提高数据的信噪比,对提高数据处理质量和反演解释精度有着重要的意义。常规的抑制噪声手段大多是从单一噪声入手,从时域、频域、信号分解的角度进行滤波,但航空电磁信号与噪声在时频域存在重叠,常规处理手段往往达不到理想效果。由于许多现象或信号可以看作是随机信号,因此,从统计学角度对信号进行处理研究是目前重要手段之一。本文在“十三五”国家重点研发计划项目课题“直升机航空电磁探测数据解释软件系统研发”支持下,利用高斯过程回归方法对时间域航空电磁数据进行去噪研究,并对其有效性和可行性进行分析。具体来说,主要研究内容如下:(1)时间域航空电磁模拟数据的生成。首先,使用一维正演模拟方法获得基于中心回线装置的一维航空瞬变电磁响应数据。然后,建立层状二维地电模型,并利用2.5维正演模拟方法生成模拟的二维电磁剖面数据。最后,根据实测数据中噪声的高斯特性和天电噪声的特点,在一、二维电磁数据的基础上添加高斯白噪声和天电噪声得到模拟后的含噪数据,从而为后面的去噪方法研究及去噪结果分析提供了基础测试数据。(2)基于高斯过程回归模型的去噪方法。首先,针对高斯过程回归中核函数的选择问题对常见的平方指数协方差函数和有理二次协方差函数定义的高斯先验做采集实验,分析哪种核函数优越性高为后续去噪实验做模型支撑;然后针对高斯过程回归中超参数选择问题,从单一参数(长度规模尺度)入手,做正态线性拟合实验,分析不同参数值对模型拟合效果有何影响,为后续去噪实验自适应获取超参数值提供理论依据。最后,利用高斯过程回归方法对时间域航空电磁一维模拟数据进行去噪,并对其有效性和可行性进行分析。(3)基于稀疏高斯过程回归的去噪方法。由于高斯过程回归方法中需要对协方差函数进行求逆,导致了传统高斯过程回归方法需要消耗大量的计算成本,因此本文采用稀疏高斯过程回归方法降低运算成本,提高预测效率。首先,对正弦模型添加一定噪声做预测实验,证明稀疏伪输入法的去噪可行性。然后,在固定伪输入集个数的情况下基于不同训练点数做曲线拟合实验,分析训练点数对预测结果和预测速度的影响。最后,在固定训练点数的情况下针对不同伪输入集个数将稀疏伪输入法和传统高斯过程回归方法应用到时间域航空电磁一维模拟数据去噪中,并通过信噪比和均方根误差评价两者的去噪效果,通过训练时间和预测时间评价两方法的去噪效率。(4)高斯过程回归和稀疏高斯过程回归去噪方法性能比较。首先利用高斯过程回归和稀疏高斯过程回归两种方法对模拟二维剖面电磁响应数据进行去噪;然后对去噪后的数据进行反演成像,分析上述两种方法的去噪效果;最后使用这两种方法对新疆某探区实测数据进行处理,进一步验证所推荐去噪方法的可行性。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  •   1.1 研究目的及意义
  •   1.2 时间域航空电磁去噪方法研究现状
  •     1.2.1 时间域航空电磁噪声来源及特点分析
  •     1.2.2 时间域航空电磁去噪方法研究现状
  •   1.3 高斯过程回归研究现状
  •   1.4 论文研究内容及章节安排
  • 第2章 时间域航空电磁正演理论及数据生成和特性分析
  •   2.1 时间域航空电磁探测基本原理
  •   2.2 时间域航空电磁法一维正演
  •     2.2.1 电磁感应方程
  •     2.2.2 水平层状介质中心回线源电磁响应
  •     2.2.3 时间域航空电磁一维正演模拟
  •   2.3 时间域航空电磁法2.5 维正演
  •     2.3.1 时间域航空电磁法2.5 维正演原理
  •     2.3.2 时间域航空电磁2.5 维正演响应
  •   2.4 实测时间域航空电磁数据及噪声特性
  •     2.4.1 实测时间域航空电磁数据
  •     2.4.2 噪声特性分析
  •   2.5 小结
  • 第3章 高斯过程回归去噪方法
  •   3.1 高斯过程理论
  •     3.1.1 随机过程
  •     3.1.2 高斯过程与高斯分布
  •   3.2 高斯过程回归
  •     3.2.1 高斯过程回归模型
  •     3.2.2 高斯过程回归预测
  •     3.2.3 核函数
  •     3.2.4 训练
  •   3.3 模拟数据实验结果及分析
  •   3.4 小结
  • 第4章 稀疏高斯过程回归去噪方法
  •   4.1 高斯过程回归的稀疏化
  •     4.1.1 算法复杂度
  •     4.1.2 高斯过程回归的稀疏化问题
  •   4.2 稀疏高斯过程回归方法
  •     4.2.1 Nystr?m方法
  •     4.2.2 稀疏伪输入法
  •   4.3 模拟数据实验结果及分析
  •   4.4 小结
  • 第5章 基于GPR和SPGP去噪性能比较
  •   5.1 二维模拟数据实验结果及分析
  •   5.2 野外实测数据实验结果及分析
  •   5.3 小结
  • 结论
  • 致谢
  • 参考文献
  • 文章来源

    类型: 硕士论文

    作者: 刘怡茹

    导师: 陆从德,杜兴忠

    关键词: 时间域航空电磁法,去噪,高斯过程回归,稀疏高斯过程,稀疏伪输入法

    来源: 成都理工大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 地质学,地球物理学,矿业工程

    单位: 成都理工大学

    基金: “十三五”国家重点研发计划项目课题“直升机航空电磁探测数据解释软件系统研发”(课题编号:2017YFC0601806) ",Research and development of helicopter airborne electromagnetic detection data interpretation software system",a national key research and development project of the 13th five-year plan(2017YFC0601806)

    分类号: P631.326

    DOI: 10.26986/d.cnki.gcdlc.2019.000715

    总页数: 81

    文件大小: 8513K

    下载量: 51

    相关论文文献

    • [1].基于高斯过程回归和粒子滤波的短期风速预测[J]. 太阳能学报 2020(03)
    • [2].基于粒子群-高斯过程回归的高拱坝变形预测模型及其应用[J]. 水电能源科学 2020(08)
    • [3].基于高斯过程回归的大气进入段航天器飞行能力预测方法[J]. 系统工程与电子技术 2020(10)
    • [4].基于逆高斯过程的加速退化试验失效机理一致性判定[J]. 强度与环境 2019(05)
    • [5].基于局部高斯过程的短期风速预测[J]. 计算机与现代化 2017(01)
    • [6].基于高斯过程回归的燃煤烟气汞排放预测[J]. 动力工程学报 2016(12)
    • [7].基于人工蜂群优化高斯过程的运动想象脑电信号分类[J]. 传感技术学报 2017(03)
    • [8].多输出高斯过程在变形监测数据处理中的研究及应用[J]. 江西科学 2019(06)
    • [9].利用高斯过程回归对燃爆单元宽度的预测方法研究[J]. 核动力工程 2017(02)
    • [10].基于拉普拉斯方法的大规模高斯过程分类算法[J]. 控制与决策 2017(07)
    • [11].基于高斯过程回归和强化学习的云资源调度算法[J]. 电子设计工程 2017(11)
    • [12].基于相空间重构和进化高斯过程的短期风速预测[J]. 计算机与现代化 2016(07)
    • [13].基于高斯过程分类的调制识别方法[J]. 计算机仿真 2015(10)
    • [14].基于改进粒子群的高斯过程故障预测模型建立方法[J]. 电光与控制 2020(11)
    • [15].重叠局部高斯过程回归[J]. 哈尔滨工业大学学报 2019(11)
    • [16].多模态高斯过程回归抠图[J]. 小型微型计算机系统 2016(12)
    • [17].高斯过程回归方法及其预测模型[J]. 科技资讯 2016(11)
    • [18].基于计算机模拟与高斯过程回归的优化设计方法[J]. 计算机光盘软件与应用 2014(14)
    • [19].基于高斯过程的快速人脸验证[J]. 计算机应用研究 2019(01)
    • [20].基于高斯过程回归的高校科技成果转化评价方法研究[J]. 福建电脑 2016(01)
    • [21].基于高斯过程回归和信息分析法的常压塔操作优化[J]. 计算机与应用化学 2013(05)
    • [22].利用支持向量机和高斯过程回归测定水库诱发的地震(英文)[J]. Applied Geophysics 2013(02)
    • [23].高斯过程元模型建模方法及在火箭弹气动分析中应用[J]. 固体火箭技术 2010(05)
    • [24].多维局部平稳高斯过程最大值的联合渐近分布[J]. 应用概率统计 2008(02)
    • [25].基于高斯过程回归的临界热流密度预测[J]. 核动力工程 2019(05)
    • [26].基于弯曲高斯过程组合方法的光伏出力预测研究[J]. 湖南大学学报(自然科学版) 2017(10)
    • [27].一种新高斯过程分类算法[J]. 控制与决策 2014(09)
    • [28].高斯过程回归方法综述[J]. 控制与决策 2013(08)
    • [29].瓦斯浓度区间预测的灰色聚类与高斯过程模型[J]. 中国安全科学学报 2011(05)
    • [30].基于混合高斯过程模型的高光谱图像分类算法[J]. 高校应用数学学报A辑 2010(04)

    标签:;  ;  ;  ;  ;  

    基于高斯过程回归的时间域航空电磁去噪方法研究
    下载Doc文档

    猜你喜欢