一种应用于地热勘探的大地电磁测深方法及系统与流程

1.本发明涉及地球物理勘探技术领域，特别是涉及一种应用于地热勘探的大地电磁测深方法及系统。


背景技术：

2.大地电磁法(magnetotel luric mehtod,mt)是利用天然电磁场作场源，在地面布设仪器测量5个分量的电磁场。对观测记录的5个分量的原始时间序列(time series)数据，通过频谱(spectre)分析，获得各个场分量的频谱，然后计算它们各自的和相互之间的自功率谱和互功率谱(auto,cross-spectrum)，进而计算反映地下构造的张量阻抗(tensor impedance)，以及视电阻率(apparent resist ivity)、阻抗相位(impedance phase)等其他参数。
3.现有技术中应用大地电磁法(mt)对地热进行了勘探。勘测中使用的频率范围为0.0005493～320hz，分为两个频段；布极方式为“十、t、l”型，利用井旁测深点反演电性分层结果与测区内测线的反演电性分层结果进行对比验证。通过对勘测结果进行解释，掌握了某小区内基底埋深及断裂构造发育情况，分析该区可能有含水的砂岩体存在，并推断地热水赋存深度。但现有技术中对野外采集的原始时间序列和结果图进行筛选时，往往利用人工进行选图，从而使得得到的断面图等信息不够精确。


技术实现要素：

4.为了克服现有技术的不足，本发明的目的是提供一种应用于地热勘探的大地电磁测深方法及系统。
5.为实现上述目的，本发明提供了如下方案：
6.一种应用于地热勘探的大地电磁测深方法，包括：
7.获取原始时间序列；
8.对所述原始时间序列依次进行去噪、频谱分析和估算谱矩阵处理，得到结果图；
9.将所述结果图输入至训练好的图像识别模型中，得到大地电磁资料处理图像。
10.优选地，所述获取原始时间序列之前还包括：
11.在预设区域布置测量仪；所述测量仪用于观测和记录各个电磁场分量的所述原始时间序列。
12.优选地，所述对所述原始时间序列依次进行去噪、频谱分析和估算谱矩阵处理，得到结果图，包括：
13.基于空间域滤波方法对所述原始时间序列进行去噪，得到去噪后的数据；
14.对所述去噪后的数据进行频谱分析，得到多个场分量的频谱；
15.基于估算谱矩阵对所述频谱进行处理，得到所述结果图。
16.优选地，所述图像识别模型的确定方法为：
17.根据历史结果图数据库中获取训练图像数据；
18.标注所述训练图像数据，得到标注图像数据；
19.根据所述标注图像数据和所述训练图像数据确定损失函数；
20.利用梯度下降优化器最小化所述损失函数的数值，得到图像识别模型的更新梯度；
21.判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别模型的权值，将所述训练图像数据输入更新后的所述图像识别模型中进行识别训练；若达到所述预设训练次数，则输出所述训练好的图像识别模型。
22.一种应用于地热勘探的大地电磁测深系统，包括：
23.获取模块，用于获取原始时间序列；
24.数据处理模块，用于对所述原始时间序列依次进行去噪、频谱分析和估算谱矩阵处理，得到结果图；
25.识别模块，用于将所述结果图输入至训练好的图像识别模型中，得到大地电磁资料处理图像。
26.优选地，还包括：
27.测量模块，用于在预设区域布置测量仪；所述测量仪用于观测和记录各个电磁场分量的所述原始时间序列。
28.优选地，所述数据处理模块包括：
29.去噪单元，用于基于空间域滤波方法对所述原始时间序列进行去噪，得到去噪后的数据；
30.分析单元，用于对所述去噪后的数据进行频谱分析，得到多个场分量的频谱；
31.结果输出单元，用于基于估算谱矩阵对所述频谱进行处理，得到所述结果图。
32.优选地，所述识别模块包括：
33.训练数据获取单元，用于根据历史结果图数据库中获取训练图像数据；
34.标注单元，用于标注所述训练图像数据，得到标注图像数据；
35.函数确定单元，用于根据所述标注图像数据和所述训练图像数据确定损失函数；
36.梯度确定单元，用于利用梯度下降优化器最小化所述损失函数的数值，得到图像识别网络的更新梯度；
37.判断单元，用于判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别网络的权值，将所述训练图像数据输入更新后的所述图像识别网络中进行识别训练；若达到所述预设训练次数，则输出所述训练好的图像识别网络。
38.根据本发明提供的具体实施例，本发明公开了以下技术效果：
39.本发明通过获取原始时间序列；对所述原始时间序列依次进行去噪、频谱分析和估算谱矩阵处理，得到结果图；将所述结果图输入至训练好的图像识别模型中，得到大地电磁资料处理图像。本发明通过图像识别模型自动识别筛选结果图，从而提高了获得勘探结果的自动化程度，并提高了获取结果图的精确度。
附图说明
40.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所
需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
41.图1为本发明提供的实施例中的方法流程图；
42.图2为本发明提供的实施例中的模块连接图。
具体实施方式
43.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
44.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
45.本技术的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
46.本发明的目的是提供一种应用于地热勘探的大地电磁测深方法及系统，以解决现有的获取结果图的流程繁琐且精准度差的问题。
47.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
48.图1为本发明提供的实施例中的方法流程图，如图1所示，本发明提供了一种应用于地热勘探的大地电磁测深方法，包括：
49.步骤100：获取原始时间序列；
50.步骤200：对所述原始时间序列依次进行去噪、频谱分析和估算谱矩阵处理，得到结果图；
51.步骤300：将所述结果图输入至训练好的图像识别模型中，得到大地电磁资料处理图像。
52.优选地，所述获取原始时间序列之前还包括：
53.在预设区域布置测量仪；所述测量仪用于观测和记录各个电磁场分量的所述原始时间序列。
54.具体的，利用天然电磁场作场源，在地面布设仪器测量5个分量的电磁场3个相互垂直的磁场分量和2个相互垂直的水平分量。
55.优选地，所述对所述原始时间序列依次进行去噪、频谱分析和估算谱矩阵处理，得到结果图，包括：
56.基于空间域滤波方法对所述原始时间序列进行去噪，得到去噪后的数据；
57.对所述去噪后的数据进行频谱分析，得到多个场分量的频谱；
58.基于估算谱矩阵对所述频谱进行处理，得到所述结果图。
59.作为一种可选的实施方式，本实施例选用观测记录的5个分量的原始时间序列数据，通过频谱分析，获得各个场分量的频谱，然后计算它们各自的和相互之间的自功率谱和互功率谱，进而计算反映地下构造的张量阻抗，以及视电阻率和阻抗相位等其他参数。
60.优选地，所述图像识别模型的确定方法为：
61.根据历史结果图数据库中获取训练图像数据；
62.标注所述训练图像数据，得到标注图像数据；
63.根据所述标注图像数据和所述训练图像数据确定损失函数；
64.利用梯度下降优化器最小化所述损失函数的数值，得到图像识别模型的更新梯度；
65.判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别模型的权值，将所述训练图像数据输入更新后的所述图像识别模型中进行识别训练；若达到所述预设训练次数，则输出所述训练好的图像识别模型。
66.可选的，所述利用梯度下降优化器最小化所述损失函数的数值，得到图像识别模型的更新梯度，包括：
67.以损失函数最小值为目标，通过所述梯度下降优化器进行优化；所述梯度下降优化器采用基于梯度下降的adam算法，并采用多图形处理器并行计算。
68.图2为本发明提供的实施例中的模块连接图，如图2所示，本实施例还提供了一种应用于地热勘探的大地电磁测深系统，包括：
69.获取模块，用于获取原始时间序列；
70.数据处理模块，用于对所述原始时间序列依次进行去噪、频谱分析和估算谱矩阵处理，得到结果图；
71.识别模块，用于将所述结果图输入至训练好的图像识别模型中，得到大地电磁资料处理图像。
72.优选地，还包括：
73.测量模块，用于在预设区域布置测量仪；所述测量仪用于观测和记录各个电磁场分量的所述原始时间序列。
74.优选地，所述数据处理模块包括：
75.去噪单元，用于基于空间域滤波方法对所述原始时间序列进行去噪，得到去噪后的数据；
76.分析单元，用于对所述去噪后的数据进行频谱分析，得到多个场分量的频谱；
77.结果输出单元，用于基于估算谱矩阵对所述频谱进行处理，得到所述结果图。
78.优选地，所述识别模块包括：
79.训练数据获取单元，用于根据历史结果图数据库中获取训练图像数据；
80.标注单元，用于标注所述训练图像数据，得到标注图像数据；
81.函数确定单元，用于根据所述标注图像数据和所述训练图像数据确定损失函数；
82.梯度确定单元，用于利用梯度下降优化器最小化所述损失函数的数值，得到图像识别网络的更新梯度；
83.判断单元，用于判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别网络的权值，将所述训练图像数据输入更新后的所述图像识别网络中进行识别训练；若达到所述预设训练次数，则输出所述训练好的图像识别网络。
84.本发明的有益效果如下：
85.本发明通过图像识别模型自动识别筛选结果图，从而提高了获得勘探结果的自动化程度，并提高了获取结果图的精确度。
86.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
87.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。