基于疏密交叉网格建模的KNN大地电磁反演方法

为了寻找一种精准有效的大地电磁反演方法,引入KNN(k-Nearest Neighbor)算法,提出了一种基于机器学习算法的大地电磁反演方法,分别验证了该算法在单一尺寸下不同电导率异常体、不同尺寸下不同电导率异常体的坐标及电导率反演准确率,结果表明,该算法在进行二维大地电磁反演计算时有非常高的准确率。在此基础之上,首次将一种疏密交叉网格建模的方法应用于KNN大地电磁反演计算中,在使用较少训练样本和计算资源的情况下,相比传统KNN反演算法,大幅提高了坐标及电导率的预测精度。数值试验结果表明,该算法对坐标位置的反演准确率在97%以上,对电导率的反演准确率达到了100%,对于不同形状不同电导率不同位置的异常体反演效果良好,是一种高效的大地电磁反演方法。