基于CNN的矿井富水区电磁反演研究

针对传统卷积神经网络(CNN)在电磁反演中提取数据特征时冗余信息多，导致网络反演精度降低的问题，提出一种变步长卷积神经网络电磁反演方法，将输入数据拓展为一维行向量，在各层网络中交替使用不同步长的卷积核进行卷积运算提取数据特征，利用变步长卷积方式替代传统网络的池化层，完成对冗余信息的过滤和特征信息的选择，并通过小卷积核级联的方式增大网络感受野提高网络的非线性表达能力。通过二维时域有限差分法(2D-FDTD)对不同电磁参数的富水区模型进行正演计算，并根据计算得出的电场时域响应特征建立样本数据集；将变步长卷积神经网络应用于电磁反演研究，建立适用于富水区问题的变步长卷积神经网络电磁反演模型，并验证变步长卷积神经网络电磁反演方法的精度。结果表明：该方法对坐标位置的反演平均相对误差为2.85%,对相对介电常数的反演平均相对误差为6.07%,反演结果与实际模型吻合度较高。所提方法对提高矿井富水区电磁反演的精度和效率具有一定的理论参考价值。