1.一种地空瞬变电磁数据高度校正方法,其特征在于,所述方法包括:构建训练数据集,所述训练数据集包括通过数值模拟获取的多个地电模型下的空中感应电动势数据、对应的空中接收点坐标、以及通过数值模拟获取的对应地面感应电动势数据;
构建神经网络模型,所述神经网络模型包括用于提取所述空中感应电动势数据特征的第一特征提取模块、用于提取所述空中接收点坐标特征的第二特征提取模块、用于融合所述第一特征提取模块和第二特征提取模块输出特征的特征融合模块、以及用于输出地面感应电动势数据的输出模块;
使用所述训练数据集对所述神经网络模型进行训练;
获取实测的空中感应电动势数据及其对应的空中接收点坐标,输入至训练后的所述神经网络模型,得到对应的地面感应电动势数据;
所述第一特征提取模块为长短时记忆网络模块,用于提取所述空中感应电动势数据的时空特征;
所述第二特征提取模块为卷积神经网络模块,用于提取所述空中接收点坐标的特征。
2.根据权利要求1所述的一种地空瞬变电磁数据高度校正方法,其特征在于,所述构建训练数据集包括:构建一维水平分层地电模型,所述地电模型的层数和各层电阻率在预设范围内随机设置;
通过数值模拟方法,计算在每个地电模型下,不同空中接收点坐标处的空中感应电动势数据和对应地面位置的地面感应电动势数据;
所述空中接收点坐标通过设置多条测线、每条测线上多个测点以及多个飞行高度来设定。
3.根据权利要求1所述的一种地空瞬变电磁数据高度校正方法,其特征在于,所述特征融合模块采用加权融合方式,融合公式为:;
其中,表示融合后的元素,F1表示空中感应电动势提取的特征元素,F2表示接收点坐标提取的特征元素,w1和w2为特征融合加权系数。
4.根据权利要求1所述的一种地空瞬变电磁数据高度校正方法,其特征在于,所述使用所述训练数据集对所述神经网络模型进行训练步骤具体包括:对所述训练数据集中的空中感应电动势数据和地面感应电动势数据进行对数变换;
对对数变换后的感应电动势数据以及所述空中接收点坐标分别进行归一化处理;
使用均方误差作为损失函数,并采用Adam优化器对所述神经网络模型进行训练。
5.根据权利要求1所述的一种地空瞬变电磁数据高度校正方法,其特征在于,在针对不同测线的数据进行训练时,采用迁移学习策略,包括:首先在单一测线对应的数据上训练得到基础神经网络模型;
当训练其他测线时,加载所述基础神经网络模型,并冻结所述第一特征提取模块的参数,仅对所述第二特征提取模块、特征融合模块和输出模块中的至少一部分进行微调。
6.根据权利要求5所述的一种地空瞬变电磁数据高度校正方法,其特征在于,在得到所述地面感应电动势数据之后,进一步包括:将所述地面感应电动势数据输入至峰值时刻成像算法,计算得到地下视电阻率分布。
7.一种地空瞬变电磁数据高度校正系统,用于实现权利要求1-6任一项所述的一种地空瞬变电磁数据高度校正方法,其特征在于,所述系统包括:数据集构建模块,用于构建训练数据集,所述训练数据集包括通过数值模拟获取的多个地电模型下的空中感应电动势数据、对应的空中接收点坐标、以及通过数值模拟获取的对应地面感应电动势数据;
模型构建模块,用于构建神经网络模型,所述神经网络模型包括用于提取所述空中感应电动势数据特征的第一特征提取模块、用于提取所述空中接收点坐标特征的第二特征提取模块、用于融合所述第一特征提取模块和第二特征提取模块输出特征的特征融合模块、以及用于输出地面感应电动势数据的输出模块;
所述第一特征提取模块为长短时记忆网络模块,用于提取所述空中感应电动势数据的时空特征;
所述第二特征提取模块为卷积神经网络模块,用于提取所述空中接收点坐标的特征;
训练模块,用于使用所述训练数据集对所述神经网络模型进行训练;
高度校正模块,用于获取实测的空中感应电动势数据及其对应的空中接收点坐标,输入至训练后的所述神经网络模型,得到对应的地面感应电动势数据。