摘要
本发明涉及数据处理技术领域,公开了一种可控源电磁法数据的去噪方法及系统,包括:对带噪声的可控源电磁法数据进行等间距分段处理,利用分段后每段可控源电磁法时域数据进行分形分析,提取经过分形分析后得到的三种分形特征;利用多策略优选出最佳策略改进河马优化算法,进行深度神经网络学习模型的超参数寻优;将所述三种分形特征输入优化后的深度神经网络进行训练,获取优化深度神经网络学习模型;利用所述优化深度神经网络学习模型进行模拟电磁数据的仿真测试,并将所述模型应用于带噪声的可控源电磁法数据去噪处理;对去噪处理后的可控源电磁法数据进行信噪辨识,剔除噪声数据段,保留有效信号段,并按原采样顺序整合重构,得到高质量的可控源电磁法数据。
技术关键词
可控源电磁
优化深度神经网络
分形特征
深度神经网络学习
Hurst指数
多策略
剔除噪声
深度神经网络模型
分段
算法
生成噪声
数据处理技术
噪声数据
阶段
箱子
存储器
系统为您推荐了相关专利信息
学习系统
优化系统参数
信号预处理模块
信号采集模块
LED指示灯系统
数据中心
数据传输模块
任务调度方法
深度强化学习算法
服务质量约束
可控源电磁
二维图像数据
离散小波变换
通道注意力机制
强干扰
堤坝管涌
深度神经网络学习
无人机
图像语义分割网络
识别方法