典型文献
基于LSTM循环神经网络的大地电磁方波噪声抑制
文献摘要：
去噪是大地电磁数据处理的重要一环.为了丰富和发展大地电磁时间序列去噪方法,将循环神经网络中的LSTM网络引入大地电磁时间序列方波噪声处理中,将实测无人文干扰的大地电磁时间序列叠加模拟方波噪声作为网络输入,将无噪原始时间序列作为网络的目标输出,训练了 1 500次epoch后,网络从仿真含噪信号提取的时间序列与原始时间序列的归一化互相关系数高达0.971 8,说明网络很好地学习了无噪大地电磁时间序列的特征.通过实测含方波噪声信号的去噪试验,表明了本文方法可以有效压制方波噪声干扰,改善阻抗估计质量,为深度学习在大地电磁时间序列处理的应用提供了新思路.
文献关键词：
大地电磁;时间序列;LSTM;深度学习;去噪
中图分类号：
作者姓名：
杨凯;唐卫东;刘诚;贺景龙;姚川
作者机构：
中国地质调查局西安矿产资源调查中心,陕西西安 710000;中国地质大学(武汉)地球物理与空间信息学院,湖北武汉 430074
文献出处：
引用格式：
[1]杨凯;唐卫东;刘诚;贺景龙;姚川-.基于LSTM循环神经网络的大地电磁方波噪声抑制)[J].物探与化探,2022(04):925-933
A类：
B类：
循环神经网络,大地电磁,方波,噪声抑制,电磁数据,丰富和发展,去噪方法,噪声处理,列作,epoch,信号提取,归一化互相关,互相关系数,明网,地学,噪声信号,压制,噪声干扰,估计质量,列处理
AB值：
0.305475
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
