没有合适的资源?快使用搜索试试~ 我知道了~
软件X 22(2023)101367原始软件出版物watex:水资源勘探Kouao Laurent Kouadioa,b,c,Jianxin Liua,b,Rong Liua,b,a中南大学地球科学与信息物理学院,湖南长沙410083b湖南省有色金属资源与地质灾害勘查重点实验室,湖南长沙410083cUFR des Sciences de la Terre et des Ressons Minières,Université Félix Houphouët-Boigny,阿比让,22 BP 582 Abidjan 22,科特迪瓦ar t i cl e i nf o文章历史记录:接收日期:2023年2023年3月7日收到修订版,2023年保留字:Python,机器学习,算法,水文物理学,水a b st ra ct找水是一个主要致力于水文地球物理领域的科学领域。例如,主要使用直流、电磁(EM)和测井等地球物理方法与纯水文地质技术相结合,提出钻井作业的正确位置,确定渗透系数(k)参数。不幸的是,尽管有这种组合,不成功的,不可持续的钻孔持续存在,k参数收集仍然困难和昂贵,从而为资助者,地球物理和钻井企业造成巨大损失watex库提供了有效的算法和智能方法来解决这些问题。实际上,丢失电磁信号的恢复、钻井作业的自动定位检测、预测流量的计算和使用机器学习的混合学习策略是watex开发的一些可持续的解决方案,以减少未来水文地球物理工程项目的众多损失版权所有2023作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)中找到。代码元数据描述当前代码版本v0.1.6用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-23-00066可复制胶囊的永久链接https://github.com/WEgeophysics/watex/tree/v0.1.6法律代码许可BSD-3条款使用Git的代码版本控制系统软件代码语言,工具和服务使用Python,Cython编译要求、操作环境和依赖性Linux、Windows、MacOS配置:scikit-learn >=1.1.2,numpy,scipy,matplotlib,openpyxl,xgboost,pandas,seaborn,h5py,joblib,tables,pyjanitor,missingno,mtpy,mlxtend和yellowbrick。如果可用,请链接到开发人员文档/手册https://watex.readthedocs.io技术支持电子邮件:https://github.com/WEgeophysics/watex/issueshttps://stackoverflow.com/tags/watex1. 动机和意义水是世界的重要资源,与水有关的问题仍然是本世纪的主要挑战之一。 兴起于20世纪90年代后期的这是一项多学科研究,采用地球物理观测,以更好地理解地球上水的性质,分布和循环。[2、3]。在过去的二十年中,已经出现了用于地下调查的有价值的技术,例如表征*通讯作者:中南大学地球科学与信息物理学院,湖 南 长沙410083.电子邮件地址:liurongkaoyan@csu.edu.cn(R. Liu).https://doi.org/10.1016/j.softx.2023.101367从近地表到深层地下地质结构,范围从厘米到公里[4,5],协助地下水流建模[1]......然而,在我们能够有效地利用地球物理措施来更好地管理地下水资源之前,仍然有一些重大障碍需要克服[1,6]。实际上,作为间接方法,地球物理观测并不提供有关水文地质参数的信息,也不准确地强调地下水勘探(GWE)时特定位置地下水的存在[1,7]。例如,在过去几十年中,为确保普遍获得饮用水[82012年,总统紧急计划(PPU)从2352-7110/©2023作者。 由Elsevier B.V.出版。这是一篇开放获取的文章,使用CC BY许可证(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表SoftwareX期刊主页:www.elsevier.com/locate/softxK.L. Kouadio,J. Liu和R. 刘软件X 22(2023)1013672∼∼∼2012年至2013年[12,13],2012年至2014年的国家饮用水计划(PNAEP)[14,15]等。不幸的是,尽管使用地球物理方法[16-事实上,由于人口的快速增长,不成功的钻探和不可持续的钻井仍然存在,从而造成了资金短缺,州政府和公司[19,20]。尽管近年来,机器学习(ML)方法在地震和矿产勘探中越来越受关注[21-例如,如何预测水文地质参数(如渗透系数(k))仍然是一项具有挑战性的任务[28]。实际上,k参数对于成功的钻井技术构造是有用的。其值与含水层密切相关,并在抽水试验后获得[29]。研究了k与测井参数(电阻率、伽马-伽马、自然伽马等)的不确定度关系。大部分都是无用的钻孔因此,在抽水试验前进行储层评价,对降低测井后的储层采集成本具有重要意义。在文献中,使用ML方法预测k似乎是新颖的,部分原因是缺乏数据及其昂贵的成本。这是显而易见的,因为几乎不可能由于含水层的性质在很大程度上取决于地下介质的几个因素[29,30],因此,因此,如果我们从测井、地质和钻孔数据中预先知道k,则我们可以跳过在预测的k低于所需阈值的该钻孔中进行泵送测试。这将减少k收集,从而最大限度地减少不成功的泵送测试的成本。因此,支持水文地球物理工程研究的工具(包括ML)的需求似乎与以下方面相关:(1)减少人力,(2)通过检测钻井作业的适当位置来改进传统地球物理方法,以及(3)更准确地减少勘测期间的损失[31]。因此,开发最先进的软件可以构成一个杠杆倡议,提出适当的解决办法,以GWE工程问题。watex它为用户和公司提供基于人工智能的高效勘探工具,以检测预期的钻井位置并减少不成功的钻井[32]。从那时起,watex的进一步发展包括用于实现混合学习策略(MXS)的算法,以最小化使用钻孔、地质和测井数据收集k的成本[33]。此外,该库还提供了快速有效的算法来处理电磁(EM)阵列剖面数据,并恢复矿泉水勘探期间受人为噪声强烈影响的“衰减带”中的自然源音频大地电磁(NSAMT)张量现 有 的 软 件 , 如 J2EDI [36] , MTpy [37] , pyCSAMT [38] ,ModEM [39]用于时间序列数据分析,以及SIMEG [40]使用纯EM数据 , 并 包 括 长 期 EM 处 理 技 术 的 算 法 。 用 于 孔 隙 压 力 预 测 的pyGeoPressure工具箱[31]仍然是学术地球科学社区中仍然可用的开源软件之一。不幸的是,它们都不是为预测FR和k而设计的在 这里 , 我们 介绍 了 基于 Python 的[41] 库watex , 该 库在Windows系统上进行了扩展,并在Linux环境下进行了测试(Pop!OS),它特别支持Linux的Windows子系统,并允许在地球科学Python社区中直接和工程应用[42通过实现诸如顺序向后选择(SBS)[45],自适应线性神经元分类器[46-通过为使用直流(DC)、测井和EM阵列剖面的普通GWE项目提供一套易于集成的智能方法,扩展了可用的ML和水文地球物理方法。2. 软件描述watex可以在GitHub上公开访问[50],并且对于非专用用户来说很容易使用。用户必须克隆存储库以利于最新的代码开发,并安装所需的依赖项。事实上,watex 使用SciPy [51],NumPy[52],Pan- das [53]和SQLite [54]库来操作大型数据集,并且还附带Cython [55]来推动计算时间。除了上述库之外,watex正常运行的主要要求是Scikit-learn [56,57],Seaborn [58],XGB [59]和pyTables [60]。对于更深入的实现,元数据表中枚举的其他依赖项都是必需的。2.1. 软件构架watex的核心理念受到Scikit-learn的启发[56,57]和更多的GMT [61]。它主要使用Scikit-learn [57]作为预测的顶级模块,并采用fit()方法来计算和填充实例化模型的属性对象。它还提供了一致的API [62]和一个分步指南,用于预测FR,实施MXS,并从弱或丢失的频率信号中恢复EM张量。图1给出了图书馆体系结构流程图的说明。2.2. 软件功能该库的主要功能分为五个领域,称为空间:数据,方法,参数,学习和视图(图1)。每个空间都可以被认为是一个步骤(视图除外),它包含一组Python子包[41],这些子包由多个模块组成,这些模块根据分配给每个模块的目标依次协同操作(表1)。因此,FR、k-预测和NSAMT张量恢复可以总结为四个主要步骤:– 数据收集(数据空间):watex处理两种类别的数据类型:Pandas的可读格式[53]和SEG电子数据交换格式(EDI)[66]。用户提供的数据取决于要实现的目标。如果目的是预测FR,则使用DC(电阻率剖面(ERP)和垂直电测深(VES)[16,18])。除电阻率数据外,ERP数据还必须包括VES的测站位置、位置坐标和AB/2(电流电极)深度测量值[17]。但是,如果目 标集中在 EM 张量 恢复上, 用户应 该提供 EDI 或使 用pyCSAMT [38]或MTpy [37]软件创建的任何Python EDI对象。– 一旦数据被输入到方法中,空间算法(例如,方法)。电阻率剖面法 、直流电垂直探测法和电阻率剖面法。 处理 对于NSAMT),相关特征(预测参数:类型、形状、幅度、异常功率、伪压裂指数(sfi)和欧姆面积(ohmS))根据选定的导电区域(用于定位钻井作业的预期区域)计算[32]。向用户提出了两个选项。 第一个是预测目的。 在这种情况下,用户需要提供进行钻孔的站,用于从多个轮廓计算上述DC参数。第二种选择是在钻井作业结束后自动检测最佳钻井位置K.L. Kouadio,J. Liu和R. 刘软件X 22(2023)1013673∼≡∼∼∼∼∼∼∼[客户端]图1.一、 Watex流程图显示了库架构组件。EDI/ERP-VES-o:EDI/数据框对象。表1watex主要功能概述,watex:Python导入策略。模块列表并不详尽,在子包中还有其他实用程序用户可以探索。空间子-包模块功能和任务Data.datasets.dload、.rload、.gdata、.sets。. .方法。方法。电磁,。电,.hydro、.erp读取,解析数据,控制数据的有效性,生成合成数据;远程或本地获取数据。.计算直流电阻率和水文地质参数;快速处理用于建模的EM张量和输出张量。. .Params.externals.z,.zutils操作电磁阻抗、电阻率和相位张量学习.utils.funcutils,.gistools,.geotools,.exmath,.plotutils,.coreutils . . ..base,.metric,.site,. transformers.. ..分析.分解,.维度,.factor. case.feature,.modeling,.prepare,.加工.models.premodels,.validation,.. .预测参数的控制和计算;智能地自动检测钻孔位置;估计模型和图形可视化;数学演算的核心.探索和转换数据;数据整理和特征工程;模型性能估计和定量评估。.提取和选择有意义的特征;分析因素;降低数据维度。. .再现发表的历史论文或成功完成的工程项目。.训练、测试模型、优化预测分数并保存作业。. .Viewplot.view.plot,.mlplot可视化数据并检查模型华盛顿调查。这里,桩号参数不是必需的,而不是提供场地约束 ( 如 果 适 用 ) 。 后 者 被 传 递 给 . method 中 的 参 数“constraints”。电阻率分析。 实际上,约束被定义为在禁止进行演习的限制区域附近成对的ERP站和原因的集合(例如,车站(S10)靠近一个遗产地(原因)。.). 当提供这些站点时,它们在自动检测过程中被忽略。然而,对于NSAMT [67-信号恢复和张量更新是在引擎盖下的它们包括在两个方向上(沿着x轴(水平)和y轴(垂直))内插阻抗/相位张量,并自评估近似地拟合有价值的周围张量(TE或TM模式)的最佳值。为此,用户只需要提供EDI数据进入. methods处理类并调用。处理- ing.zrestore方法。后者输出具有形状(N,2,2)的3D新张量的集合,其中N是完整频率信号的数量(沿着EM勘测具有干净数据的频率),并且(2x2)是指四个分量(XX,XY,YX和YY)。此外,用户可以决定将更新后的张量导出到新的EDI文件中进行过滤 , 或 者 获 取 2D 张 量 的 全 部 强 度 , 并 分 别 使用.utils.get2dtensor和boilerplate.view.plot2d函数可视化每个组件。此外,如果用户期望使用MXS方法预测k[33],则朴素组计算含水层标签(NGA)以修复原始钻孔数据中存在的缺失k,并系统地检测含水层组相似性[28,72]。- 下一∼∼∼∼∼K.L. Kouadio,J. Liu和R. 刘软件X 22(2023)1013674≤≤−∼∼∼∼∼∼∼∼∼∼∼∼∼图二. 示例图。(a)讨论直流参数。该图显示,大多数钻探是在花岗岩上进行的,FR约为1m3/hr(FR 1:0 3m3/hr)。然而,广这些地层上的裂缝(通过ohmS > 1500Ω.m2解释)并不总是生产性FR 2(FR:1< FR3m3/hr),而窄裂缝(约1000欧姆S)。因此,在未来DWSC期间,考虑该区域的地质和岩石压裂率(sfi和ohmS)是可靠的。FR 0(FR=0)为干裂缝不含水。(b)用于维度分析的相位张量偏斜(η)。在5<$<η<5<$范围内,η可以解释为准二维电阻率分布,否则可以解释为三维结构[63,64]。在对应于特定频率的深度上以圆圈形式出现的张量表示一维电阻率结构,而以显著椭圆率出现的张量表示二维或三维电阻率结构[65]。(e.g. MTpy [73] 、 pyCSAMT [38] 、 GMT [61] 、 ModEM[39])。注意:X是由特征组成的数据,y是监督学习的目标(FR或k)(图1)。①的人。– 学习空间对应于最后一步,该步骤包括使用实现的算法[45,47- 49 ]训练和测试模型,以进行特征转换和模型性能评估(图1)。①的人。通常,在学习空间(表1)中实现的算法适 用 于 任 何 类 型 的 数 据 集 。 例 如 , . base 。SequentialBackwardSelection算法可用于选择有意义的特征[45]。同样,在transformers模块中实现的算法都可用于操纵预测器X。例如,Transformer例如,如果通过指定传递给参数attribute_names的操作数属性将operator参数设置为这对于通过将许多相关特征转换为单个特征来消除它们是有用的此外,当目标是预测FR时,.cases模块促进了用于再现已发布工作流的用户任务。在现有默认流水线的后台执行有效的变换,以将变换后的预测值X产生为准备好使用来自pModelsalgorithms.此外,还有视图空间(表1),它为用户提供了有用的数据探索图(. view. ExPlot)、特征分析和讨论(. view. QuickPlot)、张量恢复(. view. TPlot)、模型检查(. view. EValPlot)和绘图实用程序中的许多其他函数。例如:– 在ExPlot中,.plotparallelcoords允许在多元聚类可视化中使用平行坐标;.plotcutcomparison比较有序类别的分位数值;.plotmissing可视化数据集中缺失的模式。. .– 在QuickPlot中,.corrmatrix绘制了数字特征和分类特征之间的相关性;.discussingfeatures(图1)。2a)允许通过将数据集映射到多个轴上来讨论特征,所述多个轴排列在对应于数据集中的特征级别的行和列的网格中;.naiveviz是根据地理坐标示出样本的分布的朴素可视化。. .– 在 TPlot 中 , . plot_ctensor2d 绘 制 二 维 滤 波 后 的 张量,.plot_phase_tensors以伪截面格式绘制相位张量和斜椭圆(图1)。2b);.plotSkew绘制相位敏感偏斜可视化。. .– - 在EvalPlot中,。view.plot_reg_scoring使用保留交叉验证技术进行回归模型得分评估;.view.plotDendroheat将树状图附加到热图。这对于用颜色代码表示包含训练示例的数据数组中的各个值是有用的。. view.plotLearningInspections从学习曲线中检查多个模型。. .– 在绘图实用程序中,.utils.plot_confidence_in评估每个站点的数 据 置 信 度 , 用 于 张 量 重 新 加 工 或 信 号 删 除 ( 图3);.utils.plot_pca_components将主成分分析分量绘制为热图;.utils.plot_sbs_feature_selection绘制SBS以进行特征选择,并收集每个阶段的最佳特征子集的得分......3. 说明性示例我们公开了一个真实世界的例子来展示软件的一个有意义的功能。 简言之,原始DC数据是在2012-2014年DWSC期间与全球组织合作在科特迪瓦收集的目标是向2 000个村庄提供饮用水。的地球物理和K.L. Kouadio,J. Liu和R. 刘软件X 22(2023)1013675≥图三. 电阻率数据误差的置信度图说明。该图表明具有置信区间(CI)的数据95%是安全的,而50%-95%之间但是,CI 50%的数据不可恢复,简单地删除(例如,本次NSAMT调查的E34和E208站数据联合钻井企业以确定进行钻井作业的最佳位置。两个步骤对于演示至关重要。第一步需要计算DC参数并检测钻井操作的合适位置。第二步是FR预测。为了使方法清晰,应该显示一些代码段。步骤1:计算DC参数首先,我们随机获取项目的这些地点之一(Gbalo)的ERP线:其次,我们将通过从电气模块(表1)调用ResistivityProfiling类来计算DC分析(ERP)预测参数。如果未指定桩号,则算法将根据电阻率值查找最佳导电带,并将该值存储在属性sves_中。自动检测可用于建议进行钻孔的位置,如:‘‘Station 36’’(1) is considered the best position for drilling inthis 然而,当聚合多个ERP参数以组成预测器X时,建议通过参数站指定执行钻井操作的站。这里,我们假设第五站(S05),并且代码被给出为:(2)给出了最佳导电带的电阻率;(3)返回了主要预测参数。对于读取多个ERP数据,建议使用DCProfiling类。它执行与ResistivityProfiling相同的任务,但每个参数存储在一个直线对象中。可以提取ERP数据的另一个位置(Tankesse)来进行说明:(4)显示给定行的编号(ERP“Gbalo "的第1用户可以使用两种技术检索相同的值,如(2)和(5)所示。用于DC探测(VES)参数计算的相同方案可以使用VerticalSounding和DCSounding类来完成。请注意,后者将数据保存到站点对象而不是行中。例如:传递给上述类的例如,search=45告诉算法从45米到更深的地方开始检测断裂带(图1)。4).此外,在计算多个VES数据的测深参数(ohmS)用于预测目的时,强烈建议将所有测深站点的搜索步骤2:根据DC特征将前一步综合方法计算得到的直流参数与构成预测因子X的测量区域。以下步骤演示了如何使用特定区域上选择的多个钻孔的DC参数的完整预处理数据集来预测FR[32]。预训练模型(具有可接受方差和偏差的最佳模型)存储在模型模块的pModels类中(图1)。 1)可以用来预测FR为:K.L. Kouadio,J. Liu和R. 刘软件X 22(2023)1013676见图4。一个探测曲线图的例子。填充部分为裂缝带探测的选定层段。请注意,预训练的估计量存储在属性esti_estimator_中。例如,可以使用pmo.estimator_ 或 pmo.SVM.poly.best_ 检索预先训练的SVM模型。其他示例,如使用真实世界数据集的k-预测和张量恢复,可以在watex应用程序分步指南中找到[76]。4. 影响我们介绍了库watex,它提供了新颖和智能的方法,这要归功于多种高度方便和强大的工具,用于自动检测预期的钻孔位置,预测FR,并减少k参数的收集。它还具有从“衰减带”中的弱或缺失频率信号恢复NSAMT张量的能力此外,案例模块简化了ML新手和非专业用户的FR预测任务,以快速实现预期目标。在最近的研究中,watex被用于:– 通过使用SVM在任何钻井作业前预测超过77%的所需FR,减少在实验区(西非科特迪瓦Bagoue地区)执行DWSC项目期间的不成功钻井– 通过在具有11个钻孔的红柳煤矿实施的实例成功地预测了k参数[33]。因此,使用SVM [32,77]和XGB [59]的MXS方法对k的正确预测得分约为80%,这对于大大减少未来工程项目的损失是令人满意的。此外,面对人口增长和气候变化,图书馆通过为公司提出可持续的解决方案来共同实现SDGn6 [9,78]成就的全球努力,特别是目标6.1,6.4,6.6和6B以及参与非洲联盟2063议程(目标1.1和1.4)[10,79,80]而受到欢迎。事实上,通过最大限度地减少水文地球物理工程项目期间的大量损失,watex间接地鼓励了资助者和许多州政府的投资很多DSWC项目。此外,该库实现了用于特征提取、数据探索和Transformer工具的有用算法,以提高模型的预测能力如果模型存在过拟合[45,48,49]。 其中一些在论文撰写时尚未在Scikit-learn中实现[45]。这些额外的工具与许多其他工具一样,不仅与全球妇女赋权领域有关。它们可以在ML实践中用于任何其他类型的数据集。最后,该软件的未来似乎是光明的,包括解决水卫生问题和其他水文地球物理工程问题。我们希望具有多种技能的贡献者能够使该软件成为GWE领域更具吸引力的框架5. 结论watex实现了新的方法来补充由强大功能所代表的传统GWE方法这是一个合适的替代解决方案,为地球科学界的用户,地球物理和钻井公司,以赚取利润,减少不成功的钻探,不可持续的钻孔,和k参数收集的成本。watex是一个可扩展的框架和灵活的库,可用于解决工程地球科学中与ML应用相关的其他问题目前的工作提供了这项研究的延伸,因此,当前和未来的用户和贡献者可能会增长。读者和用户可以参考软件术语表(https://watex.readthedocs.io/en/latest/glossary.html)更简单地找出与本研究论文相关的所有技术概念。CRediT作者贡献声明Kouao Laurent Kouadio:概念化,方法论,软件,可视化,写作-原始草稿。刘建新:项目管理、监理。刘荣:数据管理,验证,写作竞合利益声明作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作数据可用性数据将根据要求提供。致谢作者感谢该校地下成像与传感实验室的Janghai Xia和SomboCelestin和Felix Houphouet Boigny大学的“UFR des Sciences de laTerreetdesRessonsMinières” 的 “RessonsMinéralesetEnergétiques”。感谢您的合作和鼓励.我们还感谢Loukou Kouame和Serge Kouamelan提供的测试数据。最后,我们特别感谢ChangDaniel对watex项目的贡献。国家自然科学基金项目(批准号:42130810、42004065和42074165)。引用[1]Binley A,Hubbard SS,Huisman JA,Revi A,Robinson D,Singha K,etal. 水资源研究2015;51:3837-86。[2]陈辉Nat Rev Earth Environ 2022;3:813.[3][10] Linde N,Ginsbourger D,Irving J,Ninghua F,Doucet A.水资源管理2017;110:166-81.[4]Parsekian AD,Singha K,Minsley BJ,Holbrook WS,Slater L. RevGeophys2015;53:1-26.K.L. Kouadio,J. Liu和R. 刘软件X 22(2023)1013677[5] Genelle F,Riss J,Naudet V,Dabas M,Bégassat P. NearSurfGeophys2014;12:599-611.[6] 卢邦杰,刘华,陈瑞.水2023;15:1[7] Christensen NB,Sorensen KI.第一次见面。Environ.地球物理工程soc. - Eur.都灵意大利; 2015,p. 356-9[8] 儿童基金会In:Grojec A,editor.儿童基金会。美国:World Heal。器官. 联合国儿童基金会基金,世界卫生组织图书馆在版编目数据;2017年,p. 66岁[9] 作者:Kim H,J.水资源研究2020;56:1[10] 诺姆库普湾水2005;12:9.[11]霍鲁加韦河农村地区周围八个二级中心的饮水供应和卫生项目。[12]Mel EACT,Adou DL,Ouattara S. Rev Géographie TropD'Environ2017;2:10.[13]PPU。科特迪瓦美食2012年,第10个。[14]一个。Onep.Net. 2013年,第120页。[15] KraKJ,Koffi YSK,Alla KA,Kouadio AF.Les Cah Du CELHTO 2016;2:608[16] Al-Garni MA.新墨西哥州和得克萨斯州下梅西拉谷地下水直流电阻率调查。科罗拉多矿业学院教师和董事会; 1996年。[17] 克福德岛 《地球物理展望》,1970年;18:564-70。[18] 克福德岛 《地球物理展望》,1976年;24:233-40。[19] Mobio AK。科特迪瓦农村居民饮用水持久供应的农村水利系统开发:战略 是 什 么 ? InstitutInternationald'Ingenieriedel'Eauetdel'Environment; 2018.[20] ChinyemF.J Appl Sci Environ Manag 2017;21:693.[21] 作者:Ray D.印度J Geosci 2020;74:269[22] 刘 M , Nivlet P , Smith R , BenHasan N , Grana D. Adv Subsurf DataAnal2022;95-116.[23] OhS,Noh K,Seol SJ,Byun J.地球物理2020;85:E121[24] Zhou L , Zhao C , Zhang M , Xu L , Cui R , Zhao C , et al. Geophys JInt2022;228:1637-47.[25] Oh S , Noh K , Yoon D , Seol SJ , Byun J. IEEE Geosci Remote SensLett2019;16:519-23.[26] 张建忠,冯国凯,张明民,黄宏华,唐成。工程地质2021;294:106342。[27] AhmedFS,Bryson LS,Crawford MM. Eng Geol 2021;294:106383.[28] ScienceDirect。Elsevier Sci.Publ. 有限公司; 2022年。[29] Babaei M,Pan I,Alkhatib A. 水资源研究2015;51:9402-24.[30] 作者:J.J. M.J Appl Geophys 2021;186:104261.[31] 余华,陈刚,顾华.Comput Geosci 2020;143:104548.[32] Kouadio KL,Loukou NK,Coulibaly D,Mi B,Kouamelan SK,GnolebaSPD,等. 水资源研究2022;1[33] KouadioKL,Liu J,Liu R.2023年工程地质[34] Carlson NR,Feast CF,Bushner GL。国际工作。重力、电磁法及其应用2011年,第23比23[35] ZhengG介绍NSAMT。2010年。[36] Chave AG,Jones AD. 2012. 北京:清华大学出版社. 纽约[37] Krieger L、 孔雀 Jr. Comput Geosci2014;72:167-75.[38] Kouadio KL,Liu R,Mi B,Liu C. J Appl Geophys2022;201:104647.[39] Kelbert A,Meqbel N,Egbert GD,Tandon K. Comput Geosci2014;66:40-53.[40] HeagyLJ,Cockett R,Kang S,Rosenkjaer GK,Oldenburg DW. ComputGeosci2017;107:1-19.[41] 范罗萨姆G,德雷克小。FL.Python参考手册。Centrum voorWiskunde enInformatica Amsterdam;1995年。[42]RoyMJ,Stoyanov N,Moat RJ,Withers PJ. SoftwareX 2020;11:100458.[43] Briegel KD,Riccius F,Filser J,Bourgund A,Spitzenpfeil R,PanighelM,etal. SoftwareX2023;21:101269.[44]Egert J,Kreutz C. SoftwareX2023;21:101276.[45] Ferri FJ,Pudil P,Hatef M,Kittler J. In:Gelsema ES,Kanal LS,editors.模式识别。Pract. 四. North-Holland; 1994,p.403-13[46]沃达恰克山口机器学习及其应用。2019年。[47]RaschkaS,Mirjalili V.Python机器学习第三版Packt; 2019.[48]威德罗湾使用化学记忆体的适应性adeline神经元1960年[49]McCulloch WS,Pitts W. Bull Math Biophys2014;9:49-50.[50]Kouadio KL. GitHub. 2022年。[51] Virtanen P,Gommers R,Oliphant TE,Haberland M,Reddy T,CournapeauD, 等人,Nature Methods2020;17:261[52] Harris CR,Millman KJ,van der Walt SJ,Gommers R,Virtanen P,Cournapeau D,et al. Nature2020;585:357-62.[53] 麦金尼W In:Van Der Walt S,Millman J,editors. Proc. 9th Python sci.conf.. 2010年,p. 51比6[54]SQlLite。SQLite。2022年,第1页。[55] [10]张文辉,张文辉.计算机科学工程2011;13:31-9.[56] Pedregosa F,Varoquaux G,Gramfort A,Michel V,Thirion B,Grisel O,等.J Mach Learn Res2011;12:2825[57] Buitinck L,Louppe G,Blondel M,Pedregosa F,Mueller A,Grisel O,等. ECMLPKDD工作。浪最小数据量马赫学习2013年,第108比22[58]瓦斯科姆ML. J Open Source Softw2021;6:3021.[59]弗里德曼 Ann Statist2001;1189-232.[60]表,PyPI。2022年。[61] Wessel DE,Smith W.地球物理学联合会,1998年;79:579。[62] I'msorry. API. 2023年[63]小布克 Surv Geophys2014;35:7-40.[64]放大图片作者:CaldwellTG,Bibby HM,Brown C.Geophys J Int 2004;158:457[65] Boukhalfa Z,Bouzid A,Xu Y,Bendaoud A,Yang B,Hamoudi M,等.Geophys J Int2020;223:1973-86.[66] 怀特DE,驱动器B。MT/EMAP数据交换标准第1版德克萨斯7831,美国:勘探地球物理学家协会; 1988年。[67]KouadioKL,Xu Y,Liu C,Boukhalfa Z.J Appl Geophys 2020;183:104204.[68]Sandberg SK,Hohmann GW. 地球物理1982;47:100-16.[69]作者声明:John L.Soc Explor Geophys 1991;2:713[70] Bastani M,Savvainta A,Pedersen LB,Kalscheuer T. J ApplGeophys2011;75:180-95.[71] Carlson NR,Feast CF,Bushner GL。国际工作。重力、电磁法及其应用2011年,第23比23[72] 孟涛,李峰,冯彪,甘锋,永斌. 工程地质2021;294:106339。[73] Kirkby A,Zhang F,Peacock J,Hassan R,Duan J. J Open SourceSoftw2019;4:1358.[74]KouadioKL,Nicolas KL,Binbin M,Déguine GSP,Serge KK.泽诺多2021年[75] Biemi J. Thèse博士,科特迪瓦阿比让科特迪瓦大学。1992年,p. 493.[76]Kouadio KL. 阅读Theatre。2023年[77]张CC,林CJ. ACM Trans Intell Syst Technol2011;2:1-39.[78]联合国网址。 2019. https://www.un.org/sustainabledevelopment/网站。[79]AU,非洲联盟。2022年。[80] AMCOW。非洲部长计数器水,首脑会议国家元首非洲联盟政府首脑。2008年,p. 一百二十八
下载后可阅读完整内容,剩余1页未读,立即下载
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- VMP技术解析:Handle块优化与壳模板初始化
- C++ Primer 第四版更新:现代编程风格与标准库
- 计算机系统基础实验:缓冲区溢出攻击(Lab3)
- 中国结算网上业务平台:证券登记操作详解与常见问题
- FPGA驱动的五子棋博弈系统:加速与创新娱乐体验
- 多旋翼飞行器定点位置控制器设计实验
- 基于流量预测与潮汐效应的动态载频优化策略
- SQL练习:查询分析与高级操作
- 海底数据中心散热优化:从MATLAB到动态模拟
- 移动应用作业:MyDiaryBook - Google Material Design 日记APP
- Linux提权技术详解:从内核漏洞到Sudo配置错误
- 93分钟快速入门 LaTeX:从入门到实践
- 5G测试新挑战与罗德与施瓦茨解决方案
- EAS系统性能优化与故障诊断指南
- Java并发编程:JUC核心概念解析与应用
- 数据结构实验报告:基于不同存储结构的线性表和树实现
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)