基于疏密交叉网格建模的KNN大地电磁反演方法  

作　　者：韩晓冰[1] 柳庆瑜 范梦宁 杨峪坤 郭苹 杨景峰 周远国 

机构地区：[1]西安科技大学通信与信息工程学院,陕西西安710054 [2]陕西陕煤彬长矿业有限公司,陕西咸阳市712000

出　　处：《采矿技术》2020年第3期155-159,共5页Mining Technology

基　　金：国家自然科学青年基金项目(61701393);陕西省重点研发计划项目(S2018-YF-YBGY-0041).

摘　　要：为了寻找一种精准有效的大地电磁反演方法,引入KNN(k-Nearest Neighbor)算法,提出了一种基于机器学习算法的大地电磁反演方法,分别验证了该算法在单一尺寸下不同电导率异常体、不同尺寸下不同电导率异常体的坐标及电导率反演准确率,结果表明,该算法在进行二维大地电磁反演计算时有非常高的准确率。在此基础之上,首次将一种疏密交叉网格建模的方法应用于KNN大地电磁反演计算中,在使用较少训练样本和计算资源的情况下,相比传统KNN反演算法,大幅提高了坐标及电导率的预测精度。数值试验结果表明,该算法对坐标位置的反演准确率在97%以上,对电导率的反演准确率达到了100%,对于不同形状不同电导率不同位置的异常体反演效果良好,是一种高效的大地电磁反演方法。

关 键 词：大地电磁反演 KNN算法 疏密交叉网格建模 坐标 电导率 

分 类 号：P631.325[天文地球—地质矿产勘探]