-
公开(公告)号：CN116243389A
公开(公告)日：2023-06-09
申请号：CN202211661862.X
申请日：2022-12-23
Applicant: 吉林大学
IPC: G01V3/10
Abstract: 本发明属于一种针对极化效应的半正弦波电磁发射系统及方法，适用于电磁法地球物理勘探领域，尤其适用于对极化效应的激励及测量，该系统包括RLC串联谐振电路，以及供电电源，所述供电电源采用大容量有极性电容或逆变桥路输出的双极性电源，分别用于产生磁性源半正弦波和电性源半正弦波。通过输出半正弦波，延长发射电流关断时间，解决现有的延长能力不足，造成的瞬变电磁法对极化介质探测精度低的问题，提高测量极化效应的信噪比。
-
公开(公告)号：CN113553773A
公开(公告)日：2021-10-26
申请号：CN202110934336.5
申请日：2021-08-16
Applicant: 吉林大学
IPC: G06F30/27 , G06F17/18 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明涉及一种基于贝叶斯框架结合神经网络的地空电磁数据反演方法。获取探测区域地质资料，提取地下介质模型参数的先验信息，求出能够表明模型参数和噪声的先验分布以及实测数据与未知模型参数之间的似然函数，进而表示模型参数的后验分布。基于先验样本建立神经网络替代模型；利用马尔科夫链蒙特卡罗采样方法，通过对替代模型得到的后验分布采样得到样本，当采样一定数量样本后检验替代模型精度，若替代模型精度不足则更新低保真模型得到高保真模型，然后再利用高保真模型采样。最后对实测数据求解各参数的后验概率密度并求平均值，对结果成像并分析，获取地下介质信息。本发明有利于电磁探测技术的实用化。
-
公开(公告)号：CN112526621B
公开(公告)日：2021-10-22
申请号：CN202011472935.1
申请日：2020-12-15
Applicant: 吉林大学
Abstract: 本发明涉及一种基于神经网络的地空电磁数据慢扩散多参数提取方法，根据电磁慢扩散现象建立慢扩散分数阶模型；将分数阶电导率表达式代入麦克斯韦方程，构建电磁场分数阶扩散方程，推导电性源地空电磁响应公式；在获取测区地质资料基础上，构建不同慢扩散参数、电导率的慢扩散分数阶模型，并计算地空电磁响应，形成样本数据集；优化选取神经网络的网络结构参数和训练函数，建立神经网络；对实测地空电磁数据进行预处理后，应用神经网络提取地下介质多参数信息；最后实现多参数结果进行成像。本发明的目的在于构建慢扩散分数阶模型，实现地空电磁慢扩散数据的高精度多参数提取，与传统电导率成像方法相比，多参数成像结果更接近实际地下介质。
-
公开(公告)号：CN113406709A
公开(公告)日：2021-09-17
申请号：CN202110834698.7
申请日：2021-07-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于高泛化神经网络的地空电磁数据反演方法，依据反常扩散分数阶模型，计算地空电磁响应，建立电磁响应与反常扩散分数阶模型的样本集；优化设计网络结构、选取训练函数、激活函数；限制每个参数矩阵为对角矩阵且Frobenius规范最多为1，采用秩为1矩阵替换秩接近1的参数矩阵，获得由深度r'网络和单变量函数组成的近似神经网络；对单变量函数的Lipschitz函数，所有输入0映射到固定输出；通过的实值损失函数限制神经网络的Rademacher复杂度，限制神经网络的泛化误差上界，获取高泛化神经网络；采用高泛化神经网络对地空电磁数据进行反演，并进行成像。本发明提高了反常扩散多参数的解释准确性。
-
公开(公告)号：CN112285788B
公开(公告)日：2021-09-14
申请号：CN202011180385.6
申请日：2020-10-29
Applicant: 吉林大学
Abstract: 本发明涉及一种基于电磁波动方程的CPML吸收边界条件加载方法，采用电磁波动方程作为控制方程并基于有限差分方法进行数值模拟，将整个计算区域分为中心区域和边界区域；在中心区域，求解三维电磁波动方程，得到中心区磁场垂直分量波场；在边界区域，将复拉伸变量代入频率域电磁波动方程，采用CPML吸收边界条件设置复拉伸变量，并将其表达式代入控制方程中，进行整理并频时变换，最后基于有限差分算法进行离散近似，得到边界区磁场垂直分量波场；将中心区和边界区波场叠加获得最终的波场。本发明目的在于克服电磁数值模拟时计算效率低及晚期反射误差大等问题，实现三维时域电磁响应的高效、高精度数值模拟。
-
Patent Agency Ranking
公开(公告)号：CN113219994A
公开(公告)日：2021-08-06
申请号：CN202110627586.4
申请日：2021-06-04
Applicant: 吉林大学
IPC: G05D1/02
Abstract: 本发明公开了一种包含交通信号灯的栅格地图最优路径规划方法，首先采用具有禁忌规则的蚁群算法进行迭代，在完成规定好的迭代次数后，将输出结果传递给遗传算法并作为种群初值继续进行迭代，在完成规定好的迭代次数后输出最优路径。该方法的平均迭代路径短于遗传算法与蚁群算法且计算速度快于蚁群算法，配送最优路径规划的错误率在10％左右。除此之外，本发明还在栅格地图中加入了交通信号灯这一重要要素，在栅格地图中增加了时间维度。通过调整路径时间间隔，使栅格由通路变为断路或是由断路变为通路，即由绿灯变为红灯再由红灯变为绿灯，该方法的实施使得栅格地图模型与实际路况更加接近。
-
公开(公告)号：CN112287545A
公开(公告)日：2021-01-29
申请号：CN202011177721.1
申请日：2020-10-29
Applicant: 吉林大学
IPC: G06F30/20 , G06F17/14 , G06F111/10
Abstract: 本发明涉及一种双相导电介质的时‑空分数阶电导率建模及模拟方法，在双相导电介质电导率模型中引入空间分数阶项，建立了多尺度时间‑空间分数阶电导率模型，其中多时间分数阶项表征介质多孔极化效应，空间分数阶项表征复杂几何结构产生的感应响应。将新构建的电导率模型引入电磁扩散方程中，采用有限差分及无网格相结合的方法对时间、空间分数阶微分项在频率域进行求解，最后通过频‑时转换完成电磁场的时域多尺度感应‑极化共生效应的数值模拟。本发明有益效果在于，提出了一种复杂岩石结构的多尺度时间‑空间分数阶电导率模型，能够准确描述实际地质复杂几何结构的感应‑极化共生效应，为研究复杂地质构造的电磁波传播机理提供理论依据。
-
公开(公告)号：CN110133733B
公开(公告)日：2020-07-24
申请号：CN201910347986.2
申请日：2019-04-28
Applicant: 吉林大学
Abstract: 本发明涉及一种基于粒子群优化算法的电导‑极化率多参数成像方法，目的在于同时获取地下极化介质的导电和极化信息，提高成像精度。本发明基于柯尔‑柯尔模型，获得了梯形波激励下的感应‑极化磁场响应表达式，根据理论模型的磁场响应与实测磁场响应构建目标函数，利用超导时域电磁测量的早期、晚期数据分别获得零频电导率和时间常数，二者对粒子群搜索范围进行约束，缩小搜索范围，最终采用粒子群优化算法提取零频电导率、时间常数、极化率、频散系数、深度。本发明相比传统电阻率成像方法，更符合实际极化介质频散传播规律，提高了电导率、极化率的成像精度。
-
公开(公告)号：CN110888172A
公开(公告)日：2020-03-17
申请号：CN201911093615.2
申请日：2019-11-11
Applicant: 吉林大学
Abstract: 本发明基于神经网络的粗糙介质电磁响应电阻率成像方法，将粗糙介质的卷积型状态方程代入麦克斯韦方程中，推导长导线源的粗糙介质频域电磁响应公式；计算粗糙介质模型的频域地空电磁响应，构建神经网络样本集；将地空电磁实测飞行数据进行噪声抑制等预处理，采用正则化法将实测时域电磁数据转化为频域电磁响应；结合测区的地质资料及岩石物性信息，确定地下介质的粗糙度β值，建立基于粗糙介质的电阻率成像最优神经网络，利用神经网络对频率电磁响应进行参数提取获得地下介质电阻率；再根据频域粗糙介质广义趋肤深度公式计算获得深度参数，最后进行电阻率-深度成像。本发明方法与传统电阻率成像方法相比，提高了电阻率和深度双参数的解释准确性和成像精度。
-
公开(公告)号：CN110852025A
公开(公告)日：2020-02-28
申请号：CN201911097521.2
申请日：2019-11-12
Applicant: 吉林大学
IPC: G06F30/3308 , G06F111/10
Abstract: 本发明涉及一种基于超收敛插值逼近的三维电磁慢扩散数值模拟方法，通过将复电导率模型引入频域Maxwell方程组后，电磁场扩散方程中含有复频变量的负分数次幂项，先进行频-时变换得到含有Caputo分数阶微分项的时间域控制方程；再采用Alikhanov超收敛插值逼近方法，对电场控制方程中Caputo分数阶导数进行超收敛逼近，获得分数阶微分项的非均匀步长离散近似表达式，从而完成时间域分数阶微分项的稳定、高精度直接求解；最后基于有限差分算法对控制方程进行离散，推导出电场和磁场迭代方程，最终实现了三维时域电磁慢扩散的高精度数值模拟。本发明目的在于克服分数阶微分求解的弱奇异不稳定性及误差较大问题，实现三维时域电磁慢扩散的高精度数值模拟。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.019 seconds)
