基于MWOA-Elman神经网络的接地网瞬变电磁缺陷识别

为改进当前瞬变电磁探测系统的局限,提高接地网缺陷识别的效率与精度,提出一种MWOA-Elman神经网络,完成数据由采样到成像的转化过程,快速实现视电阻率成像,精准识别接地网的不同缺陷.首先,通过理论计算完成接地网瞬变场参数样本集,构造Elman神经网络的单映射关系.其次,围绕收敛因子、自适应权重与阈值对鲸鱼算法进行改进,用改进鲸鱼算法(modified whale optimization algorithm,MWOA)优化Elman神经网络的权值和阈值.测试结果表明,MWOA-Elman 神经网络在第 854 步收敛,4 项误差指标 MAE、MSE、RMSE、MAPE 分别为 0.103 51、0.040 09、0.126 64和0.333 52％,接地网缺陷识别精度为99.678％,识别效率与精度均优于其他模型.最后,通过分析3×3接地网3种典型缺陷位置的成像结果,验证了MWOA-Elman神经网络应用于接地网缺陷识别的有效性,为嵌入瞬变电磁探测系统的智能算法提供参考.