Atmosphere:基于“深地”观测的LSTM循环神经网络电磁场信号重构方法研究

文摘   2024-08-07 20:57   北京  

深部地下环境具有低本底噪声、低宇宙射线强度、低电磁辐射等特点,是开展天体物理学、宇宙学和地球科学等领域研究的重要场所(Kang et al., 2010)。自2020年以来,中国地质大学(北京)等单位依托淮南深地实验室等多个深部地下实验室进行了多轮次多物理场联合观测,表明深部环境在地球物理场长期稳定观测方面具有优势和发展潜力(王赟 等, 2023)。目前,深部地球物理场观测仍处于起步阶段,如何充分发挥“超静”、“超净”环境下的观测数据优势,挖掘其在噪声压制等方面的潜能,仍有待探索。

中国地质大学(北京)硕士研究生田一行等人近期提出了一种基于深地电磁观测数据的长短时记忆(LSTM)神经网络信号重构方法(图1),利用深地实验室观测的干净平稳数据作为模型训练集,充分学习天然电磁场变化规律和信号特征,并以此对地表同步观测数据的噪声段信号进行重构,从而实现地表观测数据的噪声压制或“清洗”。不同于传统深度学习方法侧重于刻画噪声形态特征的策略,该方法基于电磁场信号的空间域强相关性和地下数据的高信噪比特征,利用深度学习获得的同步观测信号规律性及不同分量间的耦合相关性进行有效信号的重构。这一过程通常无需对噪声类型进行先验认识,同时对训练数据集样本量的要求也较传统方法有所降低,因此具有处理效率高、运算速度快的优势。

图1 基于深地数据及深度学习的信号重构技术

理论数据处理结果表明(图2),LSTM网络模型能够较好地压制典型电磁噪声,获得较理想的时间序列重构信号。

图2 理论数据去噪结果

实测原始数据结果表明(图3),约27 s和50 s时刻的地表数据表现出明显的强噪声干扰,而地下数据则较为平稳。对比地表重构信号与观测数据,二者幅值接近,波形基本吻合,观测数据中的强噪声干扰在重构信号中被显著压制,尤以27 s和50 s时刻脉冲噪声最为明显。进一步对地面数据应用5阶切比雪夫I型低通滤波器,截止频率分别为100Hz和1Hz,并对滤波后的地面数据进行重构,结果如图4、5所示。

图3 地面原始数据重构结果
 
图4 地面100Hz低通滤波数据重构结果

图5 地面1Hz低通滤波数据重构结果

图6为不同截止频率低通滤波后的地面数据与其重构数据的功率谱概率密度函数(pdf)对比,证明重构信号与观测数据在低频段具有一致的信号强度。

图6 地面和重建数据的概率密度函数

文章提出的基于深地电磁观测数据的LSTM网络模型训练和信号重构方法,可在其他多地球物理场的深地观测试验中进行推广,尝试单一物理场或多耦合物理场的信号规律深度学习与模型训练,并作为多物理场微弱信号捕捉与科学问题研究的预处理手段进行应用。相关研究成果发表于Atmosphere期刊(Tian et al., 2024):
https://doi.org/10.3390/atmos15060734

图形摘要:
 

Magnetotellurics
EVERYTHING ABOUT MAGNETOTELLURICS!
 最新文章