1.一种基于算子学习的电磁探测数据高效三维反演方法,其特征在于,包括以下步骤:构建包括若干电磁正演模型及其正演响应的算子学习数据集;
利用DeepONet网络基于算子学习数据集进行航空电磁频域正演计算训练以得到训练好的航空电磁三维正演算子;
将初始的均匀半空间模型输入以航空电磁三维正演算子替代生成器并以KAN网络作为判别器构建WGAN网络进行航空电磁三维反演;
基于损失函数和数据拟合差收敛条件进行训练,以更新KAN网络和均匀半空间模型,最终得到更新后的均匀半空间模型作为反演结果。
2.根据权利要求1所述的基于算子学习的电磁探测数据高效三维反演方法,其特征在于,所述构建包括若干电磁正演模型及其正演响应的算子学习数据集,包括:利用高斯随机场方法生成若干电磁正演模型,并基于电磁正演模型计算不同高度和不同频率的正演响应值,将生成的电磁正演模型及其相应的正演响应值编译为算子学习数据集,并划分为训练集和测试集用于航空电磁三维正演算子训练。
3.根据权利要求1所述的基于算子学习的电磁探测数据高效三维反演方法,其特征在于,所述利用DeepONet网络基于算子学习数据集进行航空电磁频域正演计算训练以得到训练好的航空电磁三维正演算子,包括:基于DeepONet网络中的分支网络与主干网络组成的双网络架构进行航空电磁频域正演计算,利用分支网络处理离散化输入的电磁正演模型数据,主干网络处理查询参数,通过内积运算融合两网络输出预测响应数据;
构建算子的近似表达式,以预测响应数据与算子学习数据集中真实的正演响应的绝对误差为损失函数,训练至误差小于设定阈值,使算子具备替代真实航空电磁三维正演的能力,并将该算子作为训练好的航空电磁三维正演算子。
4.根据权利要求1所述的基于算子学习的电磁探测数据高效三维反演方法,其特征在于,所述将初始的均匀半空间模型输入以航空电磁三维正演算子替代生成器并以KAN网络作为判别器构建WGAN网络进行航空电磁三维反演,包括:将航空电磁三维正演算子替代生成器,并将KAN网络作为判别器,构建为WGAN网络,并将作为反演起点的初始的均匀半空间模型输入WGAN网络以进行航空电磁三维反演,其中,将初始的均匀半空间模型通过航空电磁三维正演算子计算得到预测数据,并将预测数据和真实的观测数据通过KAN网络进行判别。
5.根据权利要求1所述的基于算子学习的电磁探测数据高效三维反演方法,其特征在于,所述损失函数表示为:,
其中,表示损失函数,表示初始的均匀半空间模型的参数,表示KAN网络的参数,表示KAN网络,表示观测数据,表示航空电磁三维正演算子,表示初始的均匀半空间模型,表示梯度惩罚项的权重,,是范围内的随机数,表示KAN网络相对于输入的梯度,表示L2范数。
6.根据权利要求1所述的基于算子学习的电磁探测数据高效三维反演方法,其特征在于,所述数据拟合差收敛条件表示为:,
其中,表示数据拟合差,表示航空电磁三维正演算子输出的预测数据,表示观测数据,表示L2范数,当迭代小于预设收敛阈值时停止反演。
7.根据权利要求1所述的基于算子学习的电磁探测数据高效三维反演方法,其特征在于,在对KAN网络和均匀半空间模型进行训练更新时,在每个迭代步中,首先,固定均匀半空间模型参数并训练KAN网络,输入预测数据和对应的观测数据,计算损失函数并更新KAN网络参数,随后,固定KAN网络参数并训练均匀半空间模型,将预测数据输入更新后的KAN网络,计算损失函数值,通过梯度回传更新均匀半空间模型参数,重复迭代上述步骤,直到达到收敛条件,将最终更新后的均匀半空间模型作为反演结果。
8.一种基于算子学习的电磁探测数据高效三维反演装置,利用权利要求1~7任一项所述的基于算子学习的电磁探测数据高效三维反演方法实现,其特征在于,包括:数据集构建模块、正演算子训练模块、反演网络构建模块、以及反演训练更新模块;
所述数据集构建模块用于构建包括若干电磁正演模型及其正演响应的算子学习数据集;
所述正演算子训练模块用于利用DeepONet网络基于算子学习数据集进行航空电磁频域正演计算训练以得到训练好的航空电磁三维正演算子;
所述反演网络构建模块用于将初始的均匀半空间模型输入以航空电磁三维正演算子替代生成器并以KAN网络作为判别器构建WGAN网络进行航空电磁三维反演;
所述反演训练更新模块用于基于损失函数和数据拟合差收敛条件进行训练,以更新KAN网络和均匀半空间模型,最终得到更新后的均匀半空间模型作为反演结果。
9.一种电子设备,包括存储器和一种或多种处理器,所述存储器用于存储计算机程序,其特征在于,所述处理器用于当执行计算机程序时,实现权利要求1~7任一项所述的基于算子学习的电磁探测数据高效三维反演方法。
10.一种计算机可读的存储介质,所述存储介质上存储有计算机程序,其特征在于,当所述计算机程序被计算机执行时,实现权利要求1~7任一项所述的基于算子学习的电磁探测数据高效三维反演方法。