CN116500692B - 一种小回线瞬变电磁探测的优化方法 - Google Patents
一种小回线瞬变电磁探测的优化方法 Download PDFInfo
- Publication number
- CN116500692B CN116500692B CN202310752282.XA CN202310752282A CN116500692B CN 116500692 B CN116500692 B CN 116500692B CN 202310752282 A CN202310752282 A CN 202310752282A CN 116500692 B CN116500692 B CN 116500692B
- Authority
- CN
- China
- Prior art keywords
- signal
- response
- field
- transient electromagnetic
- mutual inductance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001052 transient effect Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 238000013461 design Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000007619 statistical method Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 230000005284 excitation Effects 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims description 55
- 238000012549 training Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000012546 transfer Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 230000006698 induction Effects 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 230000005764 inhibitory process Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000013432 robust analysis Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims 2
- 238000011161 development Methods 0.000 abstract description 7
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明适用于地质探测技术领域,提供了一种小回线瞬变电磁探测的优化方法,包括以下步骤:步骤1、瞬变电磁偏心自补偿结构稳健性设计;步骤2、线圈等效电路模型设计;步骤3、基于LSTM模型对激励磁场干扰的抑制。该方法以城市地下空间开发的浅层探测需求为应用背景,对偏心自补偿结构进行稳健性设计,有效解决发射线圈与接收线圈之间由于互感而引起的一次场混叠问题,并且针对目前偏心结构对位置敏感的问题,采用统计方法来进行改善,实现稳健性设计。构建LSTM神经网络抑制激励磁场干扰,解决了小回线瞬变电磁装置的过渡过程问题,同时可一定程度上改善一次场混叠问题。对城市地下空间资源的开发和利用具有重要意义。
Description
技术领域
本发明属于地质探测技术领域,尤其涉及一种小回线瞬变电磁探测的优化方法。
背景技术
随着我国城市化发展飞速进行,公共基础设施建设也同步开展。地上空间已经无法容纳城市不断加快的建设速度。因此,开发地下空间成为今后城市发展的新方向。与地上空间相比,地下空间具有安全性和隐蔽性等方面的独特优势,但由于地下空间的封闭性和不确定性,开发城市地下空间的施工过程中事故频发,房屋倒塌、隧道突水以及道路坍塌造成的严重后果令人触目惊心。因此,在施工前利用物探技术先行了解城市地下空间的地层结构,对减灾避险、保障现场施工人员的人身安全、减少经济损失以及保证工程质量都具有重要意义。
传统的瞬变电磁探测方法采用大线圈铺设,在一定深度范围(城市地下空间0-50m)存在探测盲区。且城市道路空间狭小,大规模布置测线的作业方式导致常规的瞬变电磁装置无法在城市中高效率探测。目前大多采用小回线瞬变电磁技术在城市和矿井等地下空间的狭小的环境中进行地下地质结构的探测,整个装置具有集成度高、方便移动、绝缘和便携等特定优点,能够进行实时移动,从而实现高效测量,有效的缩短了施工周期和成本。
但对于目前的小回线瞬变电磁技术而言,如何尽量减小接收线圈和发射线圈之间存在的互感,以及如何避免激励磁场在接收线圈上产生的一次场耦合干扰过大是应用小回线瞬变电磁技术的关键。同时,由于接收线圈信号的接收装置中存在分布电容和电感,如何解决储能效应引发的过渡过程使二次场信号发生畸变的问题也是关键。目前,市面上现有的仪器在解决上述关键问题的过程中普遍存在装置结构复杂和发射磁矩损失等问题,对此有学者提出通过优化线圈尺寸的方式降低接收线圈过渡过程的影响,虽然改善了瞬变电磁信号的失真程度,但同时降低了信噪比,难以在电磁环境复杂的城市中使用。
发明内容
本发明的目的在于提供一种小回线瞬变电磁探测的优化方法,旨在解决上述背景技术中提出的问题。
本发明是这样实现的,一种小回线瞬变电磁探测的优化方法,包括以下步骤:
步骤1、瞬变电磁偏心自补偿结构稳健性设计:
基于小回线瞬变电磁法的导电环数值分析模型及偏心自补偿结构的设计原理,通过编程绘制两线圈互感系数M随着横向偏移L和纵向偏移H的增加的总体的趋势图,并得到了互感值最小的10个位置点,之后进行多次抽样绘制概率分布,并进行分析和K-S检验(Kolmogorov-Smirnov test),根据分析和检验结果,对每处位置进行抽样4000次的统计分析,分别计算其概率密度曲线、均值及方差,最终选定横向偏移L = 0.7600m;纵向偏移H =0.3700m为偏心自补偿结构的最佳设计方案;
步骤2、线圈等效电路模型设计:
设计空心线圈传感器等效电路模型及其传递函数,并推导出存在初始能量条件下的瞬变电磁信号响应的求解公式;通过仿真产生纯净的瞬变电磁信号以及偏心结构下的一次场干扰信号,设计算法对二次场散点时间序列进行分段函数拟合,编写出仿真空心线圈传感器过渡过程的程序算法,从而实现总场感应电压的合成及总场响应的求解;
步骤3、基于LSTM(长短时记忆网络)模型对激励磁场干扰的抑制:
基于LSTM基本单元的原理,并对数据处理的步骤进行分析,根据样本集特征构建神经网络模型结构,然后将总场响应信号作为输入信号,纯净二次场信号作为模型的输出,对其进行训练和测试,并利用多种技术指标对网络输出结果进行衡量,从而实现对一次场干扰以及过渡过程的影响进行抑制。
进一步的技术方案,所述步骤1包括以下具体步骤:
步骤1.1、导电环数值分析模型及偏心自补偿设计:
将小型地质异常体视为导电环的数值分析模型,小回线瞬变电磁的偏心自补偿结构即在导电环数值分析模型的基础上,偏心结构通过改变接收线圈的位置,使二者之间的互感系数MTR尽可能的接近为0,则说明一次激励磁场对接收线圈上的响应接近为0,近似实现零耦合;
步骤1.2、接收线圈偏心结构设计:
基于接收线圈的偏心自补偿结构的原理分析,构建模型进行仿真运算;共计算2000处位置互感值,绘制当横纵偏移量变化时,两线圈之间互感系数M的变化图;然后进一步缩小范围,找寻互感值最接近0的位置范围,编写程序在上述范围内对互感值最小的N处位置进行搜索,得到互感值最小的10个位置点;
步骤1.3、基于统计方法的稳健性分析:
对步骤1.2中得到的10个位置点利用统计方法分别进行稳健性分析,判断其对相对位置偏移、角度旋转和半径变化等因素的抗干扰能力,最终确定一处最优的偏心结构的两线圈相对位置;随机选取位置7(L=0.76m,H=0.37m)分别进行500次、1000次、2000次、4000次、5000次、7000次和10000次抽样,并在一张图中绘制所有概率密度分布;进一步利用拟合优度检验K-S检验(Kolmogorov-Smirnov test)来对其进行两两验证;
基于计算机算力和时间效率考虑,最终确定每组抽样次数为4000次。之后,对10处位置的互感进行统计计算,每处位置求解得到4000组互感值,选择第7处位置的偏移距作为最终的设计方案,即横向偏移L = 0.7600m;纵向偏移H = 0.3700m,则完成基于统计分析的偏心自补偿结构稳健性设计。
进一步的技术方案,所述步骤2包括以下具体步骤:
步骤2.1、对空心线圈传感器进行建模,求得全响应状态下的瞬变电磁电压信号响应的s域U o (s)和时域U o (t):
U o1为零状态条件下的信号响应,U' o1为其一阶导数;从而求出在时域及s域,存在初始能量等条件下的瞬变电磁信号的响应,即完成空心线圈传感器等效电路模型及其传递函数的设计;
步骤2.2、激励磁场干扰信号(一次场)的产生:
s域下的发射电流I s(时间域发射电流为I(t))在接收线圈上感应出的一次场电压U 1(t),计算公式分别如下:
其中,I m为发射电流幅值,T off是发射电流的关断时间;
步骤2.3、二次场信号的产生:
利用卷积算法得到不同地电模型及发射电流下的多组纯净二次场电压信号,卷积算法借鉴一维时间域航空电磁法的正演程序,通过使用发射电流与系统响应的卷积,获得磁场强度和磁场强度的变化率,且只考虑z方向上二次场电压响应的垂直分量;实际所需二次场在时域上的电压信号V z,可通过下式计算得来:
其中,V z是接收系统上直接采集的感应电动势信号,A RX是接收线圈的有效面积;
步骤2.4、函数拟合:
将二次场电压信号分为2段,通过卷积获得了的1296组纯净二次场电压信号,是离散的时间序列,对其进行拟合获得二次场信号的函数表达式,进而通过传递函数计算响应;利用Matlab中的多元非线性回归函数nlinfit 来实现拟合;
步骤2.5、信号叠加及响应求解:
将拟合的二次场电压信号同一次场电压信号进行叠加,将叠加的信号通过传递函数可得到总场感应电压的响应,传递函数H和线圈阻尼系数K的计算公式如下:
其中,R为自身内阻,L为自身电感,C为分布电容,R m为匹配电阻;按照上述方案,利用1296组不同层地电模型的纯净二次场信号和4000组互感系数(对应一次场干扰信号)进行随机配对,产生大量的总场感应数据,进而求得与之对应的若干组总场响应信号,构建样本数据集,为后续的LSTM神经网络训练和测试做准备。
进一步的技术方案,所述步骤3包括以下具体步骤:
首先为实现LSTM神经网络对时间序列进行准确预测,共需要进行数据集构建,归一化处理,训练集测试集划分,网络结构设计,训练及验证等几项步骤;
其次将步骤2中所构建的总场响应信号数据作为网络的输入,将其所对应的纯净二次场数据作为网络的输出;在训练开始前将LSTM神经网络中的未知量,即权重矩阵W和偏移量b设置为[0,1]之间的随机数,待训练过程中不断优化;
根据数据集和训练效果,确定以信噪比大于25dB,决定系数大于0.998为基准指标,最终训练集准确率达到97.33%,测试集准确率达到92.18%,可认为该网络对一次场干扰以及过渡过程的影响具有良好的抑制能力,能够实现对一次场干扰以及过渡过程的影响的抑制能力。
本发明提供的一种小回线瞬变电磁探测的优化方法,该方法以城市地下空间开发的浅层探测需求为应用背景,对偏心自补偿结构进行稳健性设计,有效解决发射线圈与接收线圈之间由于互感而引起的一次场混叠问题,并且针对目前偏心结构对位置敏感的问题,采用统计方法来进行改善,实现稳健性设计。构建LSTM神经网络抑制激励磁场干扰,解决了小回线瞬变电磁装置的过渡过程问题,同时可一定程度上改善一次场混叠问题。对城市地下空间资源的开发和利用具有重要意义。
附图说明
图1为一种小回线瞬变电磁探测的优化方法的流程图;
图2为导电环数值分析模型图;
图3为非共面偏心自补偿结构示意图;
图4为横纵偏移量变化时,互感系数M的变化示意图,其中横向偏移0.55-0.85m,纵向偏移0.25-0.4m;
图5为抽样次数500-10000组的概率密度分布示意图;
图6为线圈等效电路模型图;
图7为拟合二次场电压效果对比图;
图8为LSTM网络结构设计图;
图9为一个偏移距下的一/二次场电压信号图;
图10为与图9对应的偏移距下的总场感应/响应电压信号图;
图11为另一个偏移距下的一/二次场电压信号图;
图12为与图11对应的偏移距下的总场感应/响应电压信号图;
图13为一个预测二次场信号与理论二次场信号的对比图;
图14为另一个预测二次场信号与理论二次场信号的对比图;
图15为一个总场响应数据与纯二次场数据的峰值对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,为本发明一个实施例提供的一种小回线瞬变电磁探测的优化方法,包括以下步骤:
步骤1、瞬变电磁偏心自补偿结构稳健性设计:
基于小回线瞬变电磁法的导电环数值分析模型及偏心自补偿结构的设计原理,通过编程绘制两线圈互感系数M随着横向偏移L和纵向偏移H的增加的总体的趋势图,并得到了互感值最小的10个位置点,之后进行多次抽样绘制概率分布,并进行分析和K-S检验,研究发现每处位置抽样4000次及以上时,抽样次数再增加概率密度分布变化不大。最后对每处位置进行抽样4000次的统计分析,分别计算其概率密度曲线,均值及方差,最终选定横向偏移L = 0.7600m;纵向偏移H = 0.3700m为偏心自补偿结构的最佳设计方案。
步骤2、线圈等效电路模型设计:
设计空心线圈传感器等效电路模型及其传递函数,并推导出存在初始能量条件下的瞬变电磁信号响应的求解公式;通过仿真产生纯净的瞬变电磁信号以及偏心结构下的一次场干扰信号,设计相应算法对二次场散点时间序列进行分段函数拟合,编写出仿真空心线圈传感器过渡过程的程序算法,从而实现总场感应电压的合成及总场响应的求解。
步骤3、基于LSTM模型对激励磁场干扰的抑制:
基于对长短时记忆网络(LSTM)基本单元的原理,并对数据处理的大致步骤进行分析,根据样本集特征构建了神经网络模型结构,然后将总场响应信号作为输入信号,纯净二次场信号作为模型的输出,对其进行训练和测试,并利用多种技术指标对网络输出结果进行衡量,从而实现对一次场干扰以及过渡过程的影响进行抑制。
作为本发明的一种优选实施例,所述步骤1包括以下具体步骤:
步骤1.1、导电环数值分析模型及偏心自补偿设计:
将小型地质异常体视为导电环的数值分析模型,其具体结构如图2所示,小回线瞬变电磁的偏心自补偿结构即在导电环数值分析模型的基础上,偏心结构通过改变接收线圈的位置,使二者之间的互感系数MTR尽可能的接近为0,则说明一次激励磁场对接收线圈上的响应接近为0,近似实现零耦合,结构示意图如图3所示;
步骤1.2、接收线圈偏心结构设计:
基于接收线圈的偏心自补偿结构的原理分析,构建模型进行仿真运算。共计算2000处位置互感值,绘制当横纵偏移量变化时,两线圈之间互感系数M的变化图,如图4所示。然后进一步缩小范围,找寻互感值最接近0的位置,如图4中存在一条带状区域(即图4中的画线位置),即在这一范围内,当横向偏移和纵向偏移同时线性增长时,该处位置群的互感值最接近0。编写程序在上述范围内对互感值最小的N处位置进行搜索,结果如下表1所示:
步骤1.3、基于统计方法的稳健性分析:
对步骤1.2中得到的10处位置利用统计方法分别进行稳健性分析,判断其对相对位置偏移、角度旋转和半径变化等因素的抗干扰能力,最终确定一处最优的偏心结构的两线圈相对位置;随机选取位置7(L=0.76m,H=0.37m)分别进行分别进行500次、1000次、2000次、4000次、5000次、7000次和10000次抽样,并在一张图中绘制所有概率密度分布,如图5所示;进一步利用拟合优度检验K-S检验(Kolmogorov-Smirnov test)来对其进行两两验证。检验结果如下表2所示:
基于计算机算力和时间效率考虑,最终确定每组抽样次数为4000次。之后,对10处位置的互感进行统计计算,每处位置求解得到4000组互感值,选择第7处位置的偏移距作为最终的设计方案,即横向偏移L = 0.7600m;纵向偏移H = 0.3700m。至此,基于统计分析的偏心自补偿结构稳健性设计完毕。
作为本发明的一种优选实施例,所述步骤2包括以下步骤:
步骤2.1、对空心线圈传感器进行建模,其等效电路如图6所示;求得全响应状态下的瞬变电磁电压信号响应的s域U o(s)和时域U o(t):
U o1为零状态条件下的信号响应,U' o1为其一阶导数;从而求出在时域及s域,存在初始能量等条件下的瞬变电磁信号的响应。空心线圈传感器等效电路模型及其传递函数设计完毕。
步骤2.2、激励磁场干扰信号(一次场)的产生:
s域下的发射电流I s(时间域发射电流为I(t))在接收线圈上感应出的一次场电压U 1(t),计算公式分别如下:
其中,I m为发射电流幅值,T off是发射电流的关断时间;
步骤2.3、二次场信号的产生:
利用卷积算法得到不同地电模型及发射电流下的多组纯净二次场电压信号。卷积算法借鉴一维时间域航空电磁法的正演程序,通过使用发射电流与系统响应的卷积,获得磁场强度和磁场强度的变化率,且只考虑z方向上二次场电压响应的垂直分量。实际所需二次场在时域上的电压信号V z,可通过下式计算得来:
其中,V z是接收系统上直接采集的感应电动势信号,A RX是接收线圈的有效面积。
步骤2.4、函数拟合:
将二次场电压信号分为2段,通过卷积获得了的1296组纯净二次场电压信号,是离散的时间序列,需要对其进行拟合获得二次场信号的函数表达式,进而通过传递函数计算响应。利用Matlab中的多元非线性回归函数nlinfit 来实现拟合,拟合效果如图7所示。
步骤2.5、信号叠加及响应求解:
将拟合的二次场电压信号同一次场电压信号进行叠加,将叠加的信号通过传递函数可得到总场感应电压的响应,传递函数H和线圈阻尼系数K的计算公式如下:
其中,R为自身内阻,L为自身电感,C为分布电容,R m为匹配电阻。按照上述方案,利用1296组不同层地电模型的纯净二次场信号和4000组互感系数(对应一次场干扰信号)进行随机配对,产生大量的总场感应数据,进而求得与之对应的若干组总场响应信号,构建样本数据集,为下章LSTM神经网络训练和测试做准备。
作为本发明的一种优选实施例,所述步骤3包括以下步骤:
首先为实现LSTM神经网络对时间序列进行准确预测,共需要进行数据集构建,归一化处理,训练集测试集划分,网络结构设计,训练及验证等几项步骤。
其次将上一节所构建的总场响应信号数据作为网络的输入,将其所对应的纯净二次场数据作为网络的输出。在训练开始前将LSTM神经网络中的未知量,即权重矩阵W和偏移量b设置为[0,1]之间的随机数,待训练过程中不断优化,网络模型的具体结构如图8所示。具体超参数设计如下表3所示:
根据数据集和训练效果,确定以信噪比大于25dB,决定系数大于0.998为基准指标。最终训练集准确率达到97.33%,测试集准确率达到92.18%,可认为该网络对一次场干扰以及过渡过程的影响具有良好的抑制能力。能够实现对一次场干扰以及过渡过程的影响的抑制能力,解决了小回线瞬变电磁探测系统中的一次场信号受干扰过大、浅层探测盲区变大问题。
作为本发明的一种优选实施例,将不同偏移距下的一次场干扰电压函数和纯净二次场信号时间序列的分段拟合函数两者进行对应时间的叠加,便可获得总场感应电压,即导电环和发射线圈在接收线圈上共同作用产生的总电压。
通过传递函数H和线圈阻尼系数K便可得到总场响应电压,即接收系统的最终实测信号(不考虑放大)。根据传递函数H和线圈阻尼系数K计算不同阻尼系数时的匹配电阻,当接收线圈阻尼系数K分别为0.1、0.5、1、2和5时,所对应的匹配电阻R m分别为48.1kΩ,9.42kΩ,4.69kΩ,2.33kΩ和0.92kΩ。本发明选定K=1时临界阻尼下的匹配电阻R m阻值:4.69kΩ。在此接收线圈参数下,计算不同总场感应电压的响应,展示了两种典型的总场感应和响应电压对比,如图9至图12所示。
按照上述方案,利用1296组不同层地电模型的纯净二次场信号和4000组互感系数(对应一次场干扰信号)进行随机配对,产生大量的总场感应数据,进而求得与之对应的若干组总场响应信号,构建样本数据集,为LSTM神经网络训练和测试做准备。
根据表3所给出的超参数取值,可知批大小(即训练一次所选的样本数) 为567,迭代次数(所有训练样本进行一次正向传递和反向传递) 为500,LSTM的训练集输入输出矩阵大小为4199×18.1k,即迭代总数为18144/2268*500 = 4000次。训练效果如图13和图14所示,可见在整体视图中的恢复效果优秀,几乎与理论数据无差别。
如图15所示,可见总场响应数据与纯二次场数据的峰值对比:总场响应的峰值时间序列在619点,预测二次场的峰值提前到400点,其余对比图计算方式同理。根据数据采样率为2×104 kHz,可计算得到可解释有效数据时间道:对于全部训练集以及测试集的输入输出进行对比计算,可知平均时间道能够提前10微秒及以上。
由此可见,本发明能够实现对一次场干扰以及过渡过程的影响的抑制能力,解决了小回线瞬变电磁探测系统中的一次场信号受干扰过大,以及浅层探测盲区变大问题。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种小回线瞬变电磁探测的优化方法,其特征在于,包括以下步骤:
步骤1、瞬变电磁偏心自补偿结构稳健性设计:
基于小回线瞬变电磁法的导电环数值分析模型及偏心自补偿结构的设计原理,通过编程绘制两线圈互感系数M随着横向偏移L和纵向偏移H的增加的总体的趋势图,并得到了互感值最小的10个位置点,之后进行多次抽样绘制概率分布,并进行分析和K-S检验,根据分析和检验结果,对每处位置进行抽样4000次的统计分析,分别计算其概率密度曲线、均值及方差,从而选定横向偏移L 和纵向偏移H 的数值;
步骤2、线圈等效电路模型设计:
设计空心线圈传感器等效电路模型及其传递函数,并推导出存在初始能量条件下的瞬变电磁信号响应的求解公式;通过仿真产生纯净的瞬变电磁信号以及偏心结构下的一次场干扰信号,设计算法对二次场散点时间序列进行分段函数拟合,编写出仿真空心线圈传感器过渡过程的程序算法,从而实现总场感应电压的合成及总场响应的求解;
步骤3、基于LSTM模型对激励磁场干扰的抑制:
基于对长短时记忆网络基本单元的原理,并对数据处理的步骤进行分析,根据样本集特征构建神经网络模型结构,然后将总场响应信号作为输入信号,纯净二次场信号作为模型的输出,对其进行训练和测试,并利用技术指标对网络输出结果进行衡量,从而实现对一次场干扰以及过渡过程的影响进行抑制;
在所述步骤1中,选定横向偏移L = 0.7600m,纵向偏移H = 0.3700m为偏心自补偿结构的设计方案;
所述步骤1包括以下具体步骤:
步骤1.1、导电环数值分析模型及偏心自补偿设计:
将小型地质异常体视为导电环的数值分析模型,小回线瞬变电磁的偏心自补偿结构即在导电环数值分析模型的基础上,偏心结构通过改变接收线圈的位置,使二者之间的互感系数MTR趋近于0,则说明一次激励磁场对接收线圈上的响应趋近于0,近似实现零耦合;
步骤1.2、接收线圈偏心结构设计:
基于接收线圈的偏心自补偿结构的原理分析,构建模型进行仿真运算;共计算2000处位置的互感值;绘制当横纵偏移量变化时,两线圈之间互感系数M的变化图;然后找寻互感值最接近0的位置范围,编写程序在上述范围内对互感值最小的N处位置进行搜索,得到互感值最小的10个位置点;
步骤1.3、基于统计方法的稳健性分析:
对步骤1.2中得到的10个位置点利用统计方法分别进行稳健性分析,判断其对相对位置偏移、角度旋转和半径变化的抗干扰能力,确定偏心结构的两线圈最优的相对位置;随机选取一个位置点,分别进行500次、1000次、2000次、4000次、5000次、7000次和10000次抽样,并在一张图中绘制所有概率密度分布;然后利用拟合优度检验K-S检验来对其进行两两验证;
基于计算机算力和时间效率,确定每组抽样次数为4000次;之后,对10处位置的互感进行统计计算,每处位置求解得到4000组互感值,选择第7处位置的偏移距作为最终设计方案,即横向偏移L = 0.7600m;纵向偏移H = 0.3700m,则完成基于统计分析的偏心自补偿结构稳健性设计;
所述步骤2包括以下具体步骤:
步骤2.1、对空心线圈传感器进行建模,求得全响应状态下的瞬变电磁电压信号响应的s域U o(s)和时域U o(t),从而求出在时域和s域存在初始能量的条件下的瞬变电磁信号的响应,即完成空心线圈传感器等效电路模型及其传递函数的设计;
步骤2.2、激励磁场干扰信号的产生:
s域下的发射电流I s以及时间域发射电流I(t)在接收线圈上感应出的一次场电压U 1(t)计算公式分别如下:;
其中,I m为发射电流幅值,T off是发射电流的关断时间;
步骤2.3、二次场信号的产生:
利用卷积算法得到不同地电模型及发射电流下的多组纯净二次场电压信号,卷积算法基于一维时间域航空电磁法的正演程序,通过使用发射电流与系统响应的卷积,获得磁场强度和磁场强度的变化率,且只考虑z方向上二次场电压响应的垂直分量;实际所需二次场在时域上的电压信号V z通过下式计算得来:;
其中,V z是接收系统上直接采集的感应电动势信号,A RX是接收线圈的有效面积;
步骤2.4、函数拟合:
将二次场电压信号分为2段,通过卷积获得了的1296组纯净二次场电压信号,是离散的时间序列,对其进行拟合获得二次场信号的函数表达式,进而通过传递函数计算响应;利用Matlab中的多元非线性回归函数nlinfit 进行拟合;
步骤2.5、信号叠加及响应求解:
将拟合的二次场电压信号同一次场电压信号进行叠加,将叠加的信号通过传递函数得到总场感应电压的响应,传递函数H和线圈阻尼系数K的计算公式如下:;
其中,R为自身内阻,L为自身电感,C为分布电容,R m为匹配电阻;按照上述方案,利用1296组不同层地电模型的纯净二次场信号和4000组互感系数进行随机配对,产生大量的总场感应数据,进而求得与之对应的若干组总场响应信号,构建样本数据集,为后续的LSTM神经网络训练和测试做准备。
2.根据权利要求1所述的小回线瞬变电磁探测的优化方法,其特征在于,在所述步骤1.3中,随机选取位置7分别进行500次、1000次、2000次、4000次、5000次、7000次和10000次抽样,位置7的L=0.76m,H=0.37m。
3.根据权利要求1所述的小回线瞬变电磁探测的优化方法,其特征在于,在所述步骤2.1中,s域U o(s)和时域U o(t)的计算公式如下:
;
U o1为零状态条件下的信号响应,U' o1为其一阶导数。
4.根据权利要求1所述的小回线瞬变电磁探测的优化方法,其特征在于,所述步骤3包括以下具体步骤:
首先为实现LSTM神经网络对时间序列进行准确预测,需要进行数据集构建,归一化处理,训练集测试集划分,网络结构设计,训练及验证;
其次将步骤2中所构建的总场响应信号数据作为网络的输入,将其所对应的纯净二次场数据作为网络的输出;在训练开始前将LSTM神经网络中的未知量,即权重矩阵W和偏移量b设置为[0,1]之间的随机数,待训练过程中不断优化;
根据数据集和训练效果,确定以信噪比大于25dB,决定系数大于0.998为基准指标,最终训练集准确率达到97.33%,测试集准确率达到92.18%,则认为该网络对一次场干扰以及过渡过程的影响具有良好的抑制能力,能够实现对一次场干扰以及过渡过程的影响的抑制能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310752282.XA CN116500692B (zh) | 2023-06-26 | 2023-06-26 | 一种小回线瞬变电磁探测的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310752282.XA CN116500692B (zh) | 2023-06-26 | 2023-06-26 | 一种小回线瞬变电磁探测的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116500692A CN116500692A (zh) | 2023-07-28 |
CN116500692B true CN116500692B (zh) | 2023-10-27 |
Family
ID=87316836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310752282.XA Active CN116500692B (zh) | 2023-06-26 | 2023-06-26 | 一种小回线瞬变电磁探测的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116500692B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105510979A (zh) * | 2015-12-01 | 2016-04-20 | 吉林大学 | 负载并联放电的瞬变电磁发射机电路 |
CN105743385A (zh) * | 2016-04-26 | 2016-07-06 | 吉林大学 | 一种瞬变电磁发射机电流波形整形电路 |
CN108562942A (zh) * | 2018-01-30 | 2018-09-21 | 吉林大学 | 时间域航空电磁法接收线圈姿态变化抑制装置及制作方法 |
CN110989010A (zh) * | 2019-12-02 | 2020-04-10 | 吉林大学 | 一种基于偏心线圈补偿的瞬变电磁勘探装置及勘探方法 |
CN111175834A (zh) * | 2020-01-16 | 2020-05-19 | 吉林大学 | 一种基于全程采集技术的拖曳式瞬变电磁探测装置及方法 |
-
2023
- 2023-06-26 CN CN202310752282.XA patent/CN116500692B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105510979A (zh) * | 2015-12-01 | 2016-04-20 | 吉林大学 | 负载并联放电的瞬变电磁发射机电路 |
CN105743385A (zh) * | 2016-04-26 | 2016-07-06 | 吉林大学 | 一种瞬变电磁发射机电流波形整形电路 |
CN108562942A (zh) * | 2018-01-30 | 2018-09-21 | 吉林大学 | 时间域航空电磁法接收线圈姿态变化抑制装置及制作方法 |
CN110989010A (zh) * | 2019-12-02 | 2020-04-10 | 吉林大学 | 一种基于偏心线圈补偿的瞬变电磁勘探装置及勘探方法 |
CN111175834A (zh) * | 2020-01-16 | 2020-05-19 | 吉林大学 | 一种基于全程采集技术的拖曳式瞬变电磁探测装置及方法 |
Non-Patent Citations (2)
Title |
---|
Yanju Ji, Hongyuan Wang, Jun Lin,etc.The mutual inductance calculation between circular and quadrilateral coils at arbitrary attitudes using a rotation matrix for airborne transient electromagnetic systems.Journal of Applied Geophysics.2014,全文. * |
偏心阵列式瞬变电磁探伤三维成像方法研究;党博;李丹;赵建平;王咪咪;许林康;;仪表技术与传感器(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116500692A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875122B (zh) | 利用随钻测井数据计算地质参数的人工智能方法和系统 | |
CN103675922B (zh) | 基于探地雷达的运营期地下管道管径测定方法 | |
CN103487835B (zh) | 一种基于模型约束的多分辨率波阻抗反演方法 | |
CN105785455B (zh) | 一种基于b样条插值的二维地面核磁共振反演方法 | |
Li et al. | Deep learning–based nondestructive evaluation of reinforcement bars using ground‐penetrating radar and electromagnetic induction data | |
CN105093278A (zh) | 基于激发主能量优化算法的全波形反演梯度算子的提取方法 | |
CN104459763A (zh) | 紧支集小波探测地下空洞位置的方法及系统 | |
CN111538093A (zh) | 一种用于浅层地表探测方法及瞬变电磁仪器 | |
Chen et al. | Fast transdimensional Bayesian transient electromagnetic imaging for urban underground space detection | |
Lin et al. | Rapid and high-resolution detection of urban underground space using transient electromagnetic method | |
CN115292890A (zh) | 基于多源辅助数据开发的场地土壤污染物浓度三维空间预测方法 | |
CN116500692B (zh) | 一种小回线瞬变电磁探测的优化方法 | |
CN103513279B (zh) | 一种基于地震波波动方程的照明分析计算方法及计算装置 | |
CN103201649A (zh) | 用于脉冲中子俘获西格马反演的方法和系统 | |
RU2700836C1 (ru) | Способ прогноза насыщения коллекторов на основе комплексного анализа данных СРР, 3СБ, ГИС | |
CN105137495A (zh) | 一种油气检测的方法及系统 | |
CN115522914A (zh) | 一种套后储层径向远距离高精度探测方法和系统 | |
Lu et al. | Tunnel concealed karst cave joint detection by tunnel seismic and transient electromagnetic | |
Xu et al. | Research on small-loop transient electromagnetic method forward and nonlinear optimization inversion method | |
CN113406707A (zh) | 一种大地电磁多尺度、多时段探测方法 | |
Yang et al. | A fast forward and inversion method for long distance cross-well electromagnetic imaging logging system | |
Tang et al. | Fast Advanced Prediction of water-filled Structure using Transient Electromagnetic Method based on Deep Learning | |
Lu et al. | A rapid imaging method of the seismic back‐scattered wavefield for urban road near‐surface anomalous structures | |
CN118068445B (zh) | 一种时间域激发极化法极化率参数标准化方法及系统 | |
CN109799539B (zh) | 基于雷达小波变换时能密度的隧道地质体三维识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |