本发明公开了一种基于机器学习的深部采空区CSAMT电性特征增强与分类方法,其包括步骤:I.针对反演后的CSAMT电阻率异常特征,初始化能够去除浅部异常与增强深部采空区特征的卷积核;II.利用步骤I得到的卷积核进行卷积计算,以提取浅部异常信息和深部采空区电性异常信息;III.对步骤II获得的浅部卷积电阻率特征与深部采空区卷积电阻率特征进行计算,获得能量误差,若能量误差不满足精度要求,则返回步骤I修改初始化卷积核参数;若能量误差满足误差要求,则去除浅部异常干扰,增强深部采空区电性特征;IV.对步骤III获得的CSAMT电性特征进行基于核函数的模糊聚类分析;V.根据聚类结果,对采空区、巷道等地质特征进行识别与归类,并对采空区的基本情况进行预测。
声明:
“基于机器学习的深部采空区CSAMT电性特征增强与分类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)