《表5 模型4的异常区域结果》

《表5 模型4的异常区域结果》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于深度卷积神经网络的场地污染非线性反演方法》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

综上,对于多异常体的情况,E-Conv Net与LS的表现差异明显.就异常体位置的描述而言,无论是水平位置还是垂直位置的双异常体,E-ConvNet都可以较为准确地描述,且都优于LS;而LS却只能识别水平定位的异常体.另一面方面,对于异常体的阻值的描述,E-ConvNet也好于LS.当然,值得注意的是E-ConvNet对垂直位置上方低阻异常的形状预测时存在微小误差,但它仍然能够准确的识别出高阻和低阻值异常体的位置及电阻值.