基于MWOA-Elman神经网络的接地网瞬变电磁缺陷识别

为改进当前瞬变电磁探测系统的局限，提高接地网缺陷识别的效率与精度，提出一种MWOA-Elman神经网络，完成数据由采样到成像的转化过程，快速实现视电阻率成像，精准识别接地网的不同缺陷。首先，通过理论计算完成接地网瞬变场参数样本集，构造Elman神经网络的单映射关系。其次，围绕收敛因子、自适应权重与阈值对鲸鱼算法进行改进，用改进鲸鱼算法(modified whale optimization algorithm, MWOA)优化Elman神经网络的权值和阈值。测试结果表明，MWOA-Elman神经网络在第854步收敛，4项误差指标MAE、MSE、RMSE、MAPE分别为0.103 51、0.040 09、0.126 64和0.333 52%,接地网缺陷识别精度为99.678%,识别效率与精度均优于其他模型。最后，通过分析3×3接地网3种典型缺陷位置的成像结果，验证了MWOA-Elman神经网络应用于接地网缺陷识别的有效性，为嵌入瞬变电磁探测系统的智能算法提供参考。