基于注意力门控机制的神经网络架构用于三维大地电磁正演模拟
机器学习
2025-03-17 v1 人工智能
摘要
传统的三维大地电磁（MT）数值正演模拟方法，如有限元法（FEM）和有限体积法（FVM），由于网格细化和计算资源的限制，存在计算成本高和效率低的问题。我们提出了一种名为 MTAGU-Net 的新型神经网络架构，该架构集成了注意力门控机制用于三维 MT 正演模拟。具体而言，基于正演响应数据图像设计了一个双路径注意力门控模块，并将其嵌入编码器和解码器之间的跳跃连接中。该模块能够在解码深层特征图时融合来自浅层特征图的关键异常信息，显著增强了网络从异常区域提取特征的能力。此外，我们引入了一种利用三维高斯随机场（GRF）的合成模型生成方法，该方法以高保真度准确复现了真实地质场景的电性结构。数值实验表明，MTAGU-Net 在收敛稳定性和预测精度方面优于传统的 3D U-Net，其正演响应数据的结构相似性指数（SSIM）始终超过 0.98。此外，该网络能够在未见过的数据集模型上准确预测正演响应数据，展示了其强大的泛化能力，并验证了该方法在实际应用中的可行性和有效性。
引用
@article{arxiv.2503.11408,
title = {A Neural Network Architecture Based on Attention Gate Mechanism for 3D Magnetotelluric Forward Modeling},
author = {Xin Zhong and Weiwei Ling and Kejia Pan and Pinxia Wu and Jiajing Zhang and Zhiliang Zhan and Wenbo Xiao},
journal= {arXiv preprint arXiv:2503.11408},
year = {2025}
}
备注
12 pages, 16 figures