基于物理约束的航磁数据补偿方法、装置、设备及介质与流程

摘要: 本申请涉及地球物理勘探,特别是涉及一种基于物理约束的航磁数据补偿方法、装置、设备及介质。背景技术:1、航空磁测技术凭借其覆盖范围广、作业效率高、可达性强的优势,...
基于物理约束的航磁数据补偿方法、装置、设备及介质与流程

本申请涉及地球物理勘探,特别是涉及一种基于物理约束的航磁数据补偿方法、装置、设备及介质。

背景技术:

1、航空磁测技术凭借其覆盖范围广、作业效率高、可达性强的优势,已成为大区域矿产资源勘探和地质构造调查的重要手段。然而,飞行平台自身的铁磁性结构以及机载电子设备、发动机等部件在飞行过程中产生的变化磁场,会对搭载于平台的磁力仪传感器所采集的地磁场数据引入显著的测量误差。这种由飞行平台自身引起的磁干扰场,其量级往往超过目标地质体所产生的微弱磁异常信号,严重制约了航磁数据的精度和地质解释的可靠性,因此必须通过有效的补偿技术对测量数据进行事后校正。

2、tolles-lawson(t-l)补偿模型自1950年提出以来,一直是航磁补偿领域应用最广泛的方法。然而,在实践中发现,该模型本质上属于线性模型,难以有效描述由飞行平台机动飞行所产生的非线性和非平稳磁干扰,这导致航磁数据的补偿精度受限,无法满足高精度航磁测量的实际需求。

技术实现思路

1、本申请的目的是提供一种基于物理约束的航磁数据补偿方法、装置、设备及介质,可提升航磁数据的补偿精度。

2、为实现上述目的,本申请提供了如下方案:

3、第一方面,本申请提供了一种基于物理约束的航磁数据补偿方法,包括:

4、对采集到的飞行平台的飞行参数进行预处理,得到多维度原始特征集;其中,所述多维度原始特征集包含多维基础特征和三轴机动姿态信息;

5、对所述多维度原始特征集进行干扰补偿计算,得到初次补偿特征集;

6、基于所述多维度原始特征集对预先构建的残差多层感知机神经网络进行训练,直至所述残差多层感知机神经网络的约束拟合残差与预设的残差一阶自相关物理约束匹配,得到训练后的残差多层感知机神经网络;

7、将所述多维度原始特征集输入所述训练后的残差多层感知机神经网络,得到所述残差多层感知机神经网络输出的航磁补偿数据;

8、基于所述航磁补偿数据对所述初次补偿特征集进行补偿,确定最终的航磁测量数据。

9、可选地,所述对采集到的飞行平台的飞行参数进行预处理,得到多维度原始特征集,具体包括:

10、采集飞行平台的飞行参数;其中,所述飞行参数至少包括磁测数据和三轴机动姿态数据;所述磁测数据通过预先设置于所述飞行平台上的磁力仪采集得到,所述三轴机动姿态数据通过预先设置于所述飞行平台上的惯性导航设备采集得到;

11、从所述磁测数据中提取得到多维基础特征;其中,所述多维基础特征至少包括恒定磁场特征、感应磁场特征以及涡流磁场特征;

12、从所述三轴机动姿态数据中提取得到三轴机动姿态信息;其中,所述三轴机动姿态信息至少包括横滚机动姿态信息、俯仰机动姿态信息以及偏航机动姿态信息;

13、将所述多维基础特征和所述三轴机动姿态信息确定为多维度原始特征集。

14、可选地,所述多维基础特征中包含18维基础特征,所述三轴机动姿态信息中包含3维补充特征,所述多维度原始特征集中包含21维特征。

15、可选地,所述残差多层感知机神经网络的构建方式具体为:

16、搭建轻量化全连接的残差多层感知机神经网络;

17、其中,所述残差多层感知机神经网络的输入层通道数量为21;所述输入层之后依次设置两层全连接网络层,并为两层全连接网络层分别配置relu激活函数;以及所述两层全连接网络层之后设置有输出层,所述输出层的通道数量为1。

18、可选地,所述基于所述航磁补偿数据对所述初次补偿特征集进行补偿,确定最终的航磁测量数据,具体包括:

19、从所述初次补偿特征集中提取补偿后的磁场强度数据;

20、将所述补偿后的磁场强度数据减去所述航磁补偿数据,得到最终的航磁测量数据。

21、可选地,在所述确定最终的航磁测量数据之后,所述方法还包括:

22、对所述多维度原始特征集执行标准差计算,得到补偿前标准差;

23、对所述航磁测量数据执行标准差计算,得到补偿后标准差;

24、对所述补偿前标准差与所述补偿后标准差进行比值运算,得到补偿改善比;

25、基于所述补偿前标准差、所述补偿后标准差以及所述补偿改善比,生成航磁数据补偿评价结果。

26、第二方面,本申请提供了一种基于物理约束的航磁数据补偿装置,包括:

27、预处理单元,用于对采集到的飞行平台的飞行参数进行预处理,得到多维度原始特征集;其中,所述多维度原始特征集包含多维基础特征和三轴机动姿态信息;

28、计算单元,用于对所述多维度原始特征集进行干扰补偿计算,得到初次补偿特征集;

29、训练单元,用于基于所述多维度原始特征集对预先构建的残差多层感知机神经网络进行训练,直至所述残差多层感知机神经网络的约束拟合残差与预设的残差一阶自相关物理约束匹配,得到训练后的残差多层感知机神经网络;

30、输入单元,用于将所述多维度原始特征集输入所述训练后的残差多层感知机神经网络,得到所述残差多层感知机神经网络输出的航磁补偿数据;

31、补偿单元,用于基于所述航磁补偿数据对所述初次补偿特征集进行补偿,确定最终的航磁测量数据。

32、第三方面,本申请提供了一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述中任一项所述的基于物理约束的航磁数据补偿方法的步骤。

33、第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述中任一项所述的基于物理约束的航磁数据补偿方法的步骤。

34、第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述中任一项所述的基于物理约束的航磁数据补偿方法的步骤。

35、第六方面,本申请提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,所述处理器执行所述程序或指令时实现上述中任一项所述的基于物理约束的航磁数据补偿方法的步骤。

36、根据本申请提供的具体实施例,本申请公开了以下技术效果:

37、本申请提供了一种基于物理约束的航磁数据补偿方法、装置、设备及介质,通过多维基础特征与三轴机动姿态信息构建多维度原始特征集,能够丰富网络输入特征维度,强化飞行姿态与磁干扰之间的映射关联,提升算法跨航段泛化能力;通过在残差多层感知机神经网络训练过程中引入残差一阶自相关物理约束,可约束拟合残差趋近纯白噪声,避免网络训练时出现单一磁场分量精度劣化、过拟合问题;通过结合线性初次补偿与神经网络非线性残差补偿的两级校正方式,可以兼顾线性干扰高效消除与复杂非线性干扰精准拟合,整体有效提升航磁数据的补偿精度。

1.一种基于物理约束的航磁数据补偿方法,其特征在于,所述基于物理约束的航磁数据补偿方法包括:

2.根据权利要求1所述的基于物理约束的航磁数据补偿方法,其特征在于,所述对采集到的飞行平台的飞行参数进行预处理,得到多维度原始特征集,具体包括:

3.根据权利要求2所述的基于物理约束的航磁数据补偿方法,其特征在于,所述多维基础特征中包含18维基础特征,所述三轴机动姿态信息中包含3维补充特征,所述多维度原始特征集中包含21维特征。

4.根据权利要求3所述的基于物理约束的航磁数据补偿方法,其特征在于,所述残差多层感知机神经网络的构建方式具体为:

5.根据权利要求4所述的基于物理约束的航磁数据补偿方法,其特征在于,所述基于所述航磁补偿数据对所述初次补偿特征集进行补偿,确定最终的航磁测量数据,具体包括:

6.根据权利要求5所述的基于物理约束的航磁数据补偿方法,其特征在于,在所述确定最终的航磁测量数据之后,所述方法还包括:

7.一种基于物理约束的航磁数据补偿装置,其特征在于,所述基于物理约束的航磁数据补偿装置包括:

8.一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的基于物理约束的航磁数据补偿方法的步骤。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于物理约束的航磁数据补偿方法的步骤。

10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-6中任一项所述的基于物理约束的航磁数据补偿方法的步骤。