[發明專利]一種基于機器學習的地震數據速度場異常反演方法在審
| 申請號： | 202111118628.8 | 申請日： | 2021-09-24 |
| 公開（公告）號： | CN113820749A | 公開（公告）日： | 2021-12-21 |
| 發明（設計）人： | 賈繼偉;李玆謙;馬嘉悅 | 申請（專利權）人： | 吉林大學 |
| 主分類號： | G01V1/30 | 分類號： | G01V1/30;G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 長春市盈創中成知識產權代理事務所(普通合伙) 22215 | 代理人： | 喬曉光 |
| 地址： | 130000 吉*** | 國省代碼： | 吉林;22 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 機器 學習 地震 數據 速度 異常 反演 方法 | ||
【權利要求書】：
1.一種基于機器學習的地震數據速度場異常反演方法，其特征在于，包括以下步驟：
（1）建立面向地震數據的U-Net深度學習網絡并使用訓練數據集對其進行訓練，訓練數據集由地震波形圖、速度場圖像、異常點圖像三類組成；
（2）將生成的地震波形圖輸入至U-Net深度學習網絡，生成速度場圖像和異常點圖像，并進行特征標簽集的預測；
（3）基于CNN算法對生成的圖像進行后處理，進一步降低誤差，所述的需要進行后處理的圖像包括速度場圖像和異常點圖像。
2.根據權利要求1所述的一種基于機器學習的地震數據速度場異常反演方法，其特征在于，所述的U-Net深度學習網絡結構主要由卷積層、下采樣、上采樣以及 ReLU非線性激活函數組成，所述的U-Net網絡在采用上采樣、下采樣方法的同時，還具備特征通道。
3.根據權利要求1所述的一種基于機器學習的地震數據速度場異常反演方法，其特征在于，所述的U-Net網絡同時生成速度場圖像和異常點圖像，且其誤差函數是生成速度場和異常點誤差的加權之和。
4.根據權利要求1所述的一種基于機器學習的地震數據速度場異常反演方法，其特征在于，所述的U-Net網絡在第一次由下采樣前的圖像直接映射到U-Net右端這一過程被取消。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于吉林大學，未經吉林大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111118628.8/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：紗布消毒清洗機構
- 下一篇：一種鈉離子電池的化成方法、制備方法和鈉離子電池
