摘要
本发明提供了一种基于神经网络的瞬变电磁数据噪声抑制方法,主要包括构建基于改进SPPF_CMA优化的CNN‑LSTM神经网络,生成合成训练数据,并设计混合损失函数。所述网络包含卷积层、池化层、双向长短时记忆层和全连接层。通过改进SPPF_CMA模块,在卷积层输出后增加CA注意力机制,并采用多尺度池化分支。生成合成训练数据的方法包括使用一维正演模拟无噪声的TEM信号并叠加人工噪声。训练终止的条件是验证集的混合损失函数值在连续五次迭代中未下降,本方法对实测数据预处理后进行去噪。
技术关键词
瞬变电磁数据
噪声抑制方法
混合损失函数
多尺度池化
LSTM神经网络
人工噪声
注意力机制
局部时空特征
回线装置
全局平均池化
分支
数据噪声
感知特征
脉冲噪声
尺寸
输出特征
融合特征
滑动窗口
无噪声