基于改进神经网络的地震倒塌建筑物介电常数反演方法

本发明公开了一种基于改进神经网络的地震倒塌建筑物介电常数反演方法，旨在提升探地雷达（GPR）数据的反演精度与对内部结构的识别能力。该方法首先获取模拟倒塌建筑结构的雷达数据集，并对其进行预处理，包括去除背景干扰、中值滤波与时间增益增强，以提升信噪比。在此基础上，构建引入注意力机制和深度可分离卷积的UKAN神经网络，结合KAN模块强化非线性建模能力。通过该模型对GPR图像进行反演，重建倒塌结构中的介电常数分布，实现对生还空隙等关键区域的自动识别。本发明能够在复杂灾后环境中提供高效、准确的结构分析与救援决策支持，具有实际应用价值。