公开(公告)号：CN115963548B

公开(公告)日：2024-01-23

申请号：CN202310065948.4

申请日：2023-01-16

Applicant: 中国矿业大学

Inventor： 杨旭 ,  范柯廷 ,  曹安业 ,  李森 ,  朱少行 ,  徐晓 ,  尹雨晴 ,  牛强

IPC: G01V1/28 ,  G01V1/30 ,  G06F17/10

Abstract: 本发明公开了一种基于反绎学习的矿井微震P波到时拾取模型构建方法，使用未标记的矿山微震数据集，进入地震深度神经网络模型训练，通过逻辑推理中的反绎学习结构，利用知识库中的专家知识，对模型进行更新，最终获得基于反绎学习的矿山微震P波到时拾取模型，利用最终结果模型对数据进行筛选，替换不符合知识库的台站数据，最终将选出的数据作为矿井微震P波到时拾取的数据，进一步提升模型对矿井微震相位拾取的正确率。本发明克服了现有地震识别模型不适用于矿井环境的缺点，解决了矿山微震波噪声大的问题，在有限的且未标记的数据集基础上，提升了模型准确度，鲁棒性强。(56)对比文件Dai wz et al.Bridging MachineLearning and Logical Reasoning byAbductive Learning.Advances in NeuralInformation Processing System.2019,第32卷1-12.Guo C et al.AEnet: automatic pickingof P-Wave first arrivals using deeplearning.IEEE TRANSACTIONS ON GEOSCIENCEAND REMOTE SENSING.2021,第59卷(第06期),5293-5303.

公开(公告)号：CN118296386A

公开(公告)日：2024-07-05

申请号：CN202410561163.0

申请日：2024-05-08

Applicant: 中国矿业大学

Inventor： 杨旭 ,  李森 ,  曹安业 ,  李茂涛 ,  范柯廷 ,  刘亚鹏 ,  牛强

IPC: G06F18/214 ,  G06F18/10 ,  G06F18/15 ,  G06F18/21 ,  G06F18/25

Abstract: 一种标签噪声鲁棒的微震到时智能拾取模型构建方法，通过设计新颖的LNRL训练架构模型，可以同时学习输入地震图像和输出标签的表示，从而捕获样本之间的特征表示分布关系。模型利用变分推断的常用方法来控制特征表示的分布，通过KL散度来优化特征表示分布和标签表示分布之间的关系。此外，LNRL还引入了随机傅里叶特征来在多个随机空间中对齐表示分布。本发明能够解决深度地下工程中微地震到达时刻拾取的标签噪声问题，克服现有微震数据中，来自工程师的人为标记误差和实际工程环境中恶劣条件下的设备噪声，为微震到达时间拾取提供了一个稳健的解决方案，对于地下工程和灾害监测等地球物理应用至关重要，并在未来的工作中具有更广泛的微震任务探索潜力。

公开(公告)号：CN115963548A

公开(公告)日：2023-04-14

申请号：CN202310065948.4

申请日：2023-01-16

Applicant: 中国矿业大学

Inventor： 杨旭 ,  范柯廷 ,  曹安业 ,  李森 ,  朱少行 ,  徐晓 ,  尹雨晴 ,  牛强

IPC: G01V1/28 ,  G01V1/30 ,  G06F17/10

Abstract: 本发明公开了一种基于反绎学习的矿井微震P波到时拾取模型构建方法，使用未标记的矿山微震数据集，进入地震深度神经网络模型训练，通过逻辑推理中的反绎学习结构，利用知识库中的专家知识，对模型进行更新，最终获得基于反绎学习的矿山微震P波到时拾取模型，利用最终结果模型对数据进行筛选，替换不符合知识库的台站数据，最终将选出的数据作为矿井微震P波到时拾取的数据，进一步提升模型对矿井微震相位拾取的正确率。本发明克服了现有地震识别模型不适用于矿井环境的缺点，解决了矿山微震波噪声大的问题，在有限的且未标记的数据集基础上，提升了模型准确度，鲁棒性强。