[發(fā)明專利]基于數(shù)據(jù)增廣的卷積神經(jīng)網(wǎng)絡(luò)地震層間多次波壓制方法有效
| 申請?zhí)枺?/td> | 202110902192.5 | 申請日: | 2021-08-06 |
| 公開(公告)號: | CN113687414B | 公開(公告)日: | 2022-07-22 |
| 發(fā)明(設(shè)計)人: | 胡天躍;劉小舟;劉韜;安圣培;肖彥君 | 申請(專利權(quán))人: | 北京大學(xué) |
| 主分類號: | G01V1/30 | 分類號: | G01V1/30;G01V1/36;G06N3/04;G06N3/08 |
| 代理公司: | 北京萬象新悅知識產(chǎn)權(quán)代理有限公司 11360 | 代理人: | 黃鳳茹 |
| 地址: | 100871*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 數(shù)據(jù) 增廣 卷積 神經(jīng)網(wǎng)絡(luò) 地震 多次 壓制 方法 | ||
1.一種基于數(shù)據(jù)增廣的卷積神經(jīng)網(wǎng)絡(luò)地震層間多次波壓制方法,對三維陸地地震勘探資料采用卷積神經(jīng)網(wǎng)絡(luò)進行自適應(yīng)層間多次波壓制,即通過對疊后三維地震數(shù)據(jù)中的不同測線數(shù)據(jù)采用神經(jīng)網(wǎng)絡(luò)模型方法,實現(xiàn)三維陸地地震勘探資料的高效自適應(yīng)層間多次波壓制;包含以下步驟:
A.準(zhǔn)備輸入數(shù)據(jù):
對原始地震數(shù)據(jù)進行處理,得到疊后三維地震數(shù)據(jù);
B.生成有標(biāo)簽數(shù)據(jù)集,包括:
B1.選擇疊后三維地震數(shù)據(jù)中的部分測線作為訓(xùn)練集樣本;
B2.對數(shù)據(jù)集中的原始數(shù)據(jù)d進行層間多次波壓制,將去噪結(jié)果作為估計一次波p0,將壓制的層間多次波作為估計層間多次波m0;
B3.將原始數(shù)據(jù)d作為數(shù)據(jù)集樣本,將得到的估計一次波p0作為標(biāo)簽,生成有標(biāo)簽數(shù)據(jù)集;
C.建立波場增廣方法,改變層間多次波波場的數(shù)據(jù)增廣,包括:
C1.對估計層間多次波m0進行振幅、相位、到時的改變,得到改變波場后的層間多次波m1;
C2.將改變波場后的層間多次波m1與估計一次波p0相加,得到波場增廣后的含噪數(shù)據(jù)d';
C3.將d'加入訓(xùn)練集作為樣本,使增廣訓(xùn)練集中包含更多的層間多次波特征,從而使得層間多次波壓制網(wǎng)絡(luò)在有限樣本的情況下學(xué)習(xí)到足夠的層間多次波特征,將估計一次波p0作為標(biāo)簽,完成改變層間多次波波場的數(shù)據(jù)增廣,得到波場增廣數(shù)據(jù)集;
D.進行高斯噪聲注入的數(shù)據(jù)增廣:
D1.對原始訓(xùn)練集中的數(shù)據(jù)添加不同等級的高斯噪音,生成不同信噪比的地震數(shù)據(jù);
D2.將不同信噪比的地震數(shù)據(jù)加入訓(xùn)練集作為樣本,使增廣訓(xùn)練集包含層間多次波及高斯噪音兩種干擾的特征,以使得層間多次波壓制網(wǎng)絡(luò)學(xué)習(xí)到兩種干擾的特征;將估計一次波p0作為標(biāo)簽數(shù)據(jù),完成高斯噪聲注入的數(shù)據(jù)增廣,得到高斯噪聲注入的增廣數(shù)據(jù)集,可避免處理低信噪比數(shù)據(jù)時的多次波泄露,實現(xiàn)具有抗噪性的神經(jīng)網(wǎng)絡(luò)層間多次波壓制;
E.深層編解碼網(wǎng)絡(luò)搭建、訓(xùn)練及預(yù)測:
E1.基于U-Net設(shè)計和搭建用于層間多次波壓制的深層編解碼網(wǎng)絡(luò)模型,采用DnCNN中的批歸一化操作,設(shè)置網(wǎng)絡(luò)模型的具體參數(shù);
用于層間多次波壓制的深層編解碼網(wǎng)絡(luò)模型包含編碼網(wǎng)絡(luò)和與之對稱的解碼網(wǎng)絡(luò),分別由五層卷積層和五層反卷積層提取地震數(shù)據(jù)中抽象背景信息和具體細節(jié)信息,使得網(wǎng)絡(luò)模型方法準(zhǔn)確壓制層間多次波并恢復(fù)有效波;對每個卷積層或反卷積層后加入批歸一化操作,加快網(wǎng)絡(luò)的收斂速度,并使用Relu函數(shù)激活;通過跳躍接連操作連接編碼網(wǎng)絡(luò)和解碼網(wǎng)絡(luò)中同層特征圖,從而使得創(chuàng)建得網(wǎng)絡(luò)模型能夠提取地震數(shù)據(jù)中的復(fù)雜特征;
E2.
將得到的增廣數(shù)據(jù)集輸入搭建的層間多次波壓制深層編解碼網(wǎng)絡(luò)模型中進行訓(xùn)練,訓(xùn)練過程中的超參數(shù)通過數(shù)據(jù)驗證集得收斂情況確定,得到訓(xùn)練好的層間多次波壓制深層編解碼網(wǎng)絡(luò)模型;
E3.將含層間多次波的其他測線數(shù)據(jù)或待測數(shù)據(jù)集輸入訓(xùn)練好的層間多次波壓制深層編解碼網(wǎng)絡(luò)模型,即可得到基于數(shù)據(jù)增廣的卷積神經(jīng)網(wǎng)絡(luò)的地震層間多次波壓制結(jié)果。
2.如權(quán)利要求1所述基于數(shù)據(jù)增廣的卷積神經(jīng)網(wǎng)絡(luò)地震層間多次波壓制方法,其特征是,步驟B1中,選擇疊后三維地震數(shù)據(jù)中的部分測線作為訓(xùn)練集樣本,其余測線可作為驗證集和測試集。
3.如權(quán)利要求2所述基于數(shù)據(jù)增廣的卷積神經(jīng)網(wǎng)絡(luò)地震層間多次波壓制方法,其特征是,訓(xùn)練集的選擇與地區(qū)構(gòu)造變化程度有關(guān),地區(qū)構(gòu)造變化劇烈地區(qū)訓(xùn)練集更為密集。
4.如權(quán)利要求1所述基于數(shù)據(jù)增廣的卷積神經(jīng)網(wǎng)絡(luò)地震層間多次波壓制方法,其特征是,步驟B2利用虛同相軸方法對數(shù)據(jù)集中的原始數(shù)據(jù)d進行層間多次波壓制。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京大學(xué),未經(jīng)北京大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110902192.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 數(shù)據(jù)顯示系統(tǒng)、數(shù)據(jù)中繼設(shè)備、數(shù)據(jù)中繼方法、數(shù)據(jù)系統(tǒng)、接收設(shè)備和數(shù)據(jù)讀取方法
- 數(shù)據(jù)記錄方法、數(shù)據(jù)記錄裝置、數(shù)據(jù)記錄媒體、數(shù)據(jù)重播方法和數(shù)據(jù)重播裝置
- 數(shù)據(jù)發(fā)送方法、數(shù)據(jù)發(fā)送系統(tǒng)、數(shù)據(jù)發(fā)送裝置以及數(shù)據(jù)結(jié)構(gòu)
- 數(shù)據(jù)顯示系統(tǒng)、數(shù)據(jù)中繼設(shè)備、數(shù)據(jù)中繼方法及數(shù)據(jù)系統(tǒng)
- 數(shù)據(jù)嵌入裝置、數(shù)據(jù)嵌入方法、數(shù)據(jù)提取裝置及數(shù)據(jù)提取方法
- 數(shù)據(jù)管理裝置、數(shù)據(jù)編輯裝置、數(shù)據(jù)閱覽裝置、數(shù)據(jù)管理方法、數(shù)據(jù)編輯方法以及數(shù)據(jù)閱覽方法
- 數(shù)據(jù)發(fā)送和數(shù)據(jù)接收設(shè)備、數(shù)據(jù)發(fā)送和數(shù)據(jù)接收方法
- 數(shù)據(jù)發(fā)送裝置、數(shù)據(jù)接收裝置、數(shù)據(jù)收發(fā)系統(tǒng)、數(shù)據(jù)發(fā)送方法、數(shù)據(jù)接收方法和數(shù)據(jù)收發(fā)方法
- 數(shù)據(jù)發(fā)送方法、數(shù)據(jù)再現(xiàn)方法、數(shù)據(jù)發(fā)送裝置及數(shù)據(jù)再現(xiàn)裝置
- 數(shù)據(jù)發(fā)送方法、數(shù)據(jù)再現(xiàn)方法、數(shù)據(jù)發(fā)送裝置及數(shù)據(jù)再現(xiàn)裝置
- 一種抽拉式鍵盤托架增廣裝置
- 數(shù)據(jù)增廣參數(shù)的調(diào)整方法、裝置、設(shè)備及存儲介質(zhì)
- 一種文本增廣處理方法、裝置及存儲介質(zhì)
- 一種數(shù)據(jù)增廣方法及電子設(shè)備
- 基于人工智能的圖像分類模型訓(xùn)練方法、分類方法及裝置
- 數(shù)據(jù)增廣的方法、裝置及電子設(shè)備
- 圖像增廣方法、裝置、計算機設(shè)備及存儲介質(zhì)
- 數(shù)據(jù)增廣、業(yè)務(wù)處理方法、裝置、計算機設(shè)備和存儲介質(zhì)
- 一種模型訓(xùn)練方法及裝置
- 模型訓(xùn)練方法、裝置、設(shè)備及存儲介質(zhì)
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)





