[發明專利]基于多震源卷積神經網絡的低頻地震數據重構方法

有效

• 申請號: 202110418166.5
• 申請日: 2021-04-19
• 公開（公告）號: CN112987099B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 尹語晨;韓立國;張盼;尚旭佳;趙炳輝
• 申請（專利權）人: 吉林大學
• 主分類號: G01V1/30
• 分類號: G01V1/30;G01V1/36
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 張巖;王立文

1.一種基于多震源卷積神經網絡的低頻地震數據重構方法，其特征在于，包括以下步驟：

a、地震數據預處理：對原始主動源地震數據進行靜校正、去噪預處理，得到高質量的觀測地震數據；

b、形成訓練數據集：對處理后的被動源數據進行低通濾波，得到只有10Hz以下的被動源低頻數據，并進行分塊處理，作為樣本合集；對處理后的主動源數據進行低通濾波，得到只有10Hz以下的主動源低頻數據，并進行分塊處理，作為標簽合集；

c、建立神經網絡模型：搭建多震源卷積神經網絡模型，利用被動源數據中的低頻信息重構主動源低頻；所述多震源卷積神經網絡模型的結構包括：輸入層，所述輸入層用于輸入原始主、被動源低頻地震數據；隱藏層框架，所述隱藏層框架由3層卷積層、3層池化層及5層全連接層組成，在每一層卷積層組合使用不同尺寸的卷積核；輸出層，所述輸出層用于輸出重構的主動源低頻結果，輸出采用線性激活函數，卷積神經網絡為對稱網絡，輸出數據尺寸和輸入大小一致；

網絡框架每個卷積層都采用一個非線性tanh激活函數：

所述多震源卷積神經網絡模型中，代價函數為均方差函數：

式中J表示代價函數，y與為數據的預測值和真實值，m為批次樣本的數量；

d、訓練：將步驟b中的樣本合集和標簽合集作為輸入數據及標簽數據，輸送到步驟c中的多震源卷積神經網絡模型中，模型的輸出數據為主動源低頻重構結果。