摘要
本申请公开了一种基于深度学习的海底缆线磁异常检测方法、装置及设备,涉及人工智能地球物理技术领域。该方法首先通过磁异常理论进行磁场正演模拟,获取不同几何参数和物性参数的海底缆线的磁异常;生成海底环境的背景磁场;基于该海底缆线的磁异常和背景磁场,构建样本数据集,训练深度学习神经网络模型;然后基于训练好的深度学习神经网络模型进行海底缆线磁异常检测。本申请将深度学习架构的神经网络应用于海底缆线磁异常检测,基于深度学习方法从复杂磁场数据中自动学习海底缆线磁异常的特征表示,实现对包含海底缆线磁信号的自动检测,并输出海底缆线的水平位置和垂直距离,提高了海底缆线磁异常检测的准确性。
技术关键词
磁异常检测方法
深度学习神经网络模型
缆线
背景磁场
异常检测装置
子模块
样本
参数
控制点
特征提取模块
地球物理技术
残差模块
深度学习架构
随机噪声
坐标
定位模块
深度学习方法
数据
模型训练模块
理论