1.一种基于神经算子的大地电磁贝叶斯二维反演方法,其特征在于,包括:获取待反演区域的实测大地电磁数据,对待反演区域进行有限差分离散并建立电阻率空间分布模型;
基于待反演区域的有限差分离散结果,根据待反演区域的实测大地电磁数据和电阻率空间分布模型,建立待反演区域的贝叶斯反演模型;
基于分支-主干网络架构,构建以电阻率空间分布模型为输入,视电阻率响应为输出的神经算子;包括:获取待反演区域在不同极化模式下的观测参数;
所述分支-主干网络架构包括分支网络和主干网络;
利用所述分支网络对电阻率空间分布模型进行特征提取,得到第一特征向量;
利用所述主干网络对每一极化模式下的观测参数进行特征提取,得到第二特征向量;
对所述第一特征向量和所述第二特征向量进行内积运算,得到融合特征向量;
对所述融合特征向量进行多层傅里叶变换后,经过投影层输出视电阻率响应;
获取训练数据集对所述神经算子进行训练,得到训练好的神经算子;
将训练好的神经算子用于贝叶斯反演模型中的正演计算,通过贝叶斯反演模型对待反演区域进行反演计算。
2.根据权利要求1所述的一种基于神经算子的大地电磁贝叶斯二维反演方法,其特征在于:将训练好的神经算子用于贝叶斯反演模型中的正演计算时,还包括:在反演过程中以设定采样间隔选择出抽检样本;
分别采用神经算子和有限差分法对所述抽检样本进行正演计算,得到神经算子对应的第一正演响应和有限差分法对应的第二正演响应;
计算所述第一正演响应和所述第二正演响应的相对误差,当所述相对误差未超过预设限度时,不执行校正操作;
当所述相对误差超过预设限度时,对所述神经算子执行校正操作。
3.根据权利要求2所述的一种基于神经算子的大地电磁贝叶斯二维反演方法,其特征在于:对所述神经算子执行校正操作,具体为:以抽检样本对应的电阻率参数为中心,采用高斯噪声扰动方法在设定半径范围内生成多个局部样本;
采用交错网格有限差分法对所述局部样本进行正演计算;
根据所述局部样本及其正演计算结果构建补充训练集,利用补充训练集对所述神经算子进行局部校正。
4.根据权利要求1所述的一种基于神经算子的大地电磁贝叶斯二维反演方法,其特征在于:基于待反演区域的有限差分离散结果,根据待反演区域的实测大地电磁数据和电阻率空间分布模型,建立待反演区域的贝叶斯反演模型,包括:对待反演区域进行有限差分离散得到待反演区域的有限差分网格;
在所述有限差分网格下定义电阻率空间分布模型,并建立待反演区域的正演神经算子;
根据所述正演神经算子建立似然函数,以所述电阻率空间分布模型中的参数分布作为先验分布,结合所述似然函数构建后验概率模型;
设定对待反演区域进行贝叶斯反演的接收概率和建议分布,根据所述后验概率模型得到待反演区域的贝叶斯反演模型。
5.根据权利要求4所述的一种基于神经算子的大地电磁贝叶斯二维反演方法,其特征在于:以所述电阻率空间分布模型中的参数分布作为先验分布,包括:采用均匀分布方式将所述电阻率空间分布模型中各个节点的电阻率参数向量定义为先验分布。
6.根据权利要求4所述的一种基于神经算子的大地电磁贝叶斯二维反演方法,其特征在于:设定对待反演区域进行贝叶斯反演的接收概率和建议分布,包括:所述建议分布采用多元高斯建议分布,表示为:
;
式中,为待反演参数,为通过建议分布从待反演参数生成的候选参数,表示建议分布,用于判断从待反演参数转移到候选参数的转移概率,为正比于符号,exp( )为指数函数,为第i个待反演参数,为第i个待反演参数对应的候选参数,表示第i个待反演参数的方差;
基于所述后验概率模型,根据MH采样算法设定对待反演区域进行贝叶斯反演的接收概率,表示为:;
式中,为接收概率,表示取最小值函数,为观测数据,为待反演参数的先验分布,为候选参数的先验分布,为建议分布,表示用于判断从候选参数转移到待反演参数的反向建议分布,表示在候选参数下观测数据出现的条件概率,表示在待反演参数下观测数据出现的条件概率。
7.根据权利要求1所述的一种基于神经算子的大地电磁贝叶斯二维反演方法,其特征在于:所述训练数据集采用基于高斯随机场生成的电阻率空间分布模型,并通过有限差分正演方法计算其正演响应得到。