本發(fā)明公開了一種基于機器學習的深部采空區(qū)CSAMT電性特征增強與分類方法，其包括步驟：I.針對反演后的CSAMT電阻率異常特征，初始化能夠去除淺部異常與增強深部采空區(qū)特征的卷積核；II.利用步驟I得到的卷積核進行卷積計算，以提取淺部異常信息和深部采空區(qū)電性異常信息；III.對步驟II獲得的淺部卷積電阻率特征與深部采空區(qū)卷積電阻率特征進行計算，獲得能量誤差，若能量誤差不滿足精度要求，則返回步驟I修改初始化卷積核參數(shù)；若能量誤差滿足誤差要求，則去除淺部異常干擾，增強深部采空區(qū)電性特征；IV.對步驟III獲得的CSAMT電性特征進行基于核函數(shù)的模糊聚類分析；V.根據(jù)聚類結(jié)果，對采空區(qū)、巷道等地質(zhì)特征進行識別與歸類，并對采空區(qū)的基本情況進行預測。
聲明：
“基于機器學習的深部采空區(qū)CSAMT電性特征增強與分類方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業(yè)用途，請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)
960
編輯：管理員
來源：中冶有色技術網(wǎng)
分享 0
舉報 0
收藏 0
反對 0
點贊 0
中冶有色技術平臺
2025年03月21日 ~ 23日 
