《表5 不同程度干扰下各方法反演相对误差对比》

  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

《基于改进粒子群深度神经网络的频率域航空电磁反演》

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

为测试该算法在加入干扰后的适用性，本文在正演得到的测试集数据中加入了均值和方差均为零的正态分布随机噪声，含噪等级分别为3%，5%和10%。分别利用IPSO-DNN，PSO-DNN和DNN算法对3种不同程度噪声水平的数据进行反演，并从中随机抽取了15组反演结果，计算出与理论数据平均相对误差，如表5所示，由表5可见：在2层及3层模型的含噪数据反演结果中，不论噪声程度如何，IPSO-DNN算法反演结果相对误差均低于PSO-DNN和DNN算法；此外，噪声等级3%对各个方法反演效果的影响并不大。但随着噪声等级增加至5%和10%，PSO-DNN和DNN反演结果已出现较大误差，IPSO-DNN反演误差虽然也有增大，但误差增加幅度比PSO-DNN和DNN反演算法的小，表明IPSO-DNN算法对于含噪数据具有更高的反演精度。