-
公开(公告)号：CN113591030B
公开(公告)日：2024-01-30
申请号：CN202110941656.3
申请日：2021-08-17
Applicant: 东北大学
Abstract: 本发明提供一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法，涉及地球物理正反演技术领域；首先建立重力梯度数据各分量的灵敏度矩阵的等价计算公式，然后计算各GPU中分得灵敏度矩阵元素的范围和数量等参数，利用GPU并行计算压缩后的灵敏度矩阵，最后获取待参加计算的灵敏度矩阵元素索引，换算其在压缩矩阵中的索引并读取数值，从而实现大规模重力梯度数据不同梯度分量或全张量梯度数据的快速正反演；经验证，本发明能够有效提高重力梯度数据正反演的计算规模和大规模重力梯度数据联合反演的计算效率；还适用于重、磁异常等其他类型的位场数据正反演领域，也适用于单GPU的情况。(56)对比文件Commer, M.Three-dimensional gravitymodelling and focusing inversion usingrectangular meshes.GeophysicalProspecting.2011,第59卷(第5期),966-979.Hou Zhen-Long etc.3D densityinversion of gravity gradiometry datawith a multilevel hybrid parallelalgorithm.APPLIED GEOPHYSICS.2019,第16卷(第2期),141-152.侯振隆 等.基于深度加权的重力梯度数据联合相关成像反演.东 北 大 学 学 报 ( 自然 科 学 版 ).2020,第41卷(第11期),1628-1632.候振隆 等.重力梯度欧拉反褶积及其在文顿盐丘的应用.石油地球物理勘探.2019,第54卷(第2期),472-480.Zhenlong Hou etc.Multi-GPU parallelalgorithm design and analysis forimproved inversion of probabilitytomography with gravity gradiometry data.Applied Geophysics.2017,18-27.
-
公开(公告)号：CN109031412B
公开(公告)日：2020-02-11
申请号：CN201810815148.9
申请日：2018-07-24
Applicant: 东北大学
IPC: G01V1/28
Abstract: 本发明涉及地球物理勘探技术领域，具体为一种弹性波被动源数据一次波估计方法。针对各向同性介质条件下的弹性波被动源数据，分析弹性波在地下传播过程中产生的变化，根据一次波多次波模型，利用数据矩阵的形式，对弹性波被动源数据进行表示，由于在传播过程中地震波的能量损失，略去多次反射或转换的高阶项。在一次波反射系数稀疏的假设条件下，给出目标函数，直接从弹性波被动源数据中提取一次波响应。本发明避免了对复杂的弹性波被动源数据进行互相关，合成虚拟炮记录，再进行多次波预测、匹配相减的过程；完全数据驱动，不需要知道地下的任何先验信息，简化了一次波有效信号获取的处理过程，提高了弹性波被动源数据有效信号的可利用性。
-
公开(公告)号：CN118941732B
公开(公告)日：2025-01-24
申请号：CN202411069155.0
申请日：2024-08-06
Applicant: 东北大学
Abstract: 本发明提供一种地球物理位场数据网格化和噪声去除方法，涉及重力与磁法勘探数据处理技术领域。该方法首先建立一套包括地球物理位场数据的原始数据集和含噪地球物理位场数据集；将指定的原始数据集输入至扩散模型进行训练，获得扩散模型；其次，获得噪声数据集对应的去噪步骤数，并将其和含噪数据集一起训练噪声等级选择网络；然后根据待处理地球物理位场数据的坐标和异常值，确定散点数据的位置，并对相应位置上的异常进行赋值，生成散点数据；最后，使用扩散模型实现散点数据的网格化，并使用噪声选择网络模型结合扩散模型实现网格化数据去噪。本发明方法能够提高位场数据网格化的精度，更准确地还原位场的分布特征，去除噪声干扰。
-
公开(公告)号：CN110501751A
公开(公告)日：2019-11-26
申请号：CN201910783319.9
申请日：2019-08-23
Applicant: 东北大学
Abstract: 本发明涉及地球物理数据解译技术领域，提供一种基于多分量梯度数据联合和深度加权的相关成像方法。首先，使用重力仪采集待成像地质区域的重力梯度数据；然后，对重力梯度数据进行预处理；接着，对预处理后的重力梯度数据的部分分量进行联合，选取成像效果最好的多分量梯度数据组合计算相关系数矩阵；再根据待成像地质区域的先验地质资料，得到待成像地质区域的顶面埋深和底面埋深，对待成像地质区域的地下空间进行分块处理，引入深度加权函数，计算加权后的相关系数矩阵；最后，利用加权后的相关系数矩阵对待成像地质区域进行三维成像。本发明能够提高成像结果在深度方向上的分辨率，更加精准地确定地质体的上下边界，且计算效率高。
-
公开(公告)号：CN114638992A
公开(公告)日：2022-06-17
申请号：CN202210274629.X
申请日：2022-03-21
Applicant: 东北大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06T7/11 , G06K9/62 , G06V10/774
Abstract: 本发明提供一种基于人工智能的显微镜下岩矿石图像识别方法，涉及矿产勘查中的岩矿石鉴定领域，首先，进行矿石标本数据采集并在显微镜下拍摄图像；其次，根据不同矿物在显微镜下的特征，通过人工观察进行初步的种类划分与归类；然后，对获取的图像数据进行增强和处理，创建训练集与测试集；最后，利用U‑net卷积神经网络进行训练并测试，计算矿物含量与识别准确率。本发明能够有效提高显微镜下岩矿石识别鉴定的效率，基于人工智能的识别方法还能有效避免人为主观干扰，降低人工成本，适用于大批量岩矿石样本的自动化识别，对于研究深部地壳结构、实现矿体的精准圈定，以及矿山生产中的岩矿石分类提供了技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN112199859A
公开(公告)日：2021-01-08
申请号：CN202011154886.7
申请日：2020-10-26
Applicant: 东北大学
IPC: G06F30/20 , G06T17/05 , G06F111/10 , G06F119/14
Abstract: 本发明提供一种重力梯度数据联合反演的方法，涉及地球物理反演技术领域，针对目前重力梯度数据反演的空间分辨率不足等问题，在聚焦反演基础上引入梯度深度加权函数和基于对/指数变换的物性约束等方法，联合全张量梯度数据中的6个分量，使用非线性共轭梯度法实现三维密度反演。同时，为提升反演的可视化效果与可操作性，基于Python语言和PyQt、Matplotlib等工具包为提出的反演方法开发了可视化功能的软件平台，本发明有效提高了临近地质体的区分能力和目标体纵向空间成像能力；其软件平台及开发方法具有易用、实用等优点。
-
公开(公告)号：CN117456311A
公开(公告)日：2024-01-26
申请号：CN202311777905.5
申请日：2023-12-22
Applicant: 东北大学
IPC: G06V10/774 , G06V10/26 , G06V20/69 , G06V10/764
Abstract: 本发明属于矿物镜下图像数据识别技术领域，涉及矿物伴生体识别方法与系统、存储介质和设备，该方法包括：对多张标记有矿物种类和位置的矿物光片图像进行数据增强得到多个训练数据；对多个训练数据进行划分得到训练集和测试集；基于训练集和测试集对目标检测算法进行训练和测试，得到识别模型；采用识别模型对待识别矿物光片图像中的矿物伴生体区域进行标注；根据标注区域各像素点的灰度值对不同种类矿物进行图像分割，以区分矿物伴生体中的不同矿物。其有益效果是，在实现了对矿物伴生体中的矿物进行区分的同时，提高了矿物伴生体的识别效率。
-
公开(公告)号：CN112199859B
公开(公告)日：2023-08-08
申请号：CN202011154886.7
申请日：2020-10-26
Applicant: 东北大学
IPC: G06F30/20 , G06T17/05 , G06F111/10 , G06F119/14
Abstract: 本发明提供一种重力梯度数据联合反演的方法，涉及地球物理反演技术领域，针对目前重力梯度数据反演的空间分辨率不足等问题，在聚焦反演基础上引入梯度深度加权函数和基于对/指数变换的物性约束等方法，联合全张量梯度数据中的6个分量，使用非线性共轭梯度法实现三维密度反演。同时，为提升反演的可视化效果与可操作性，基于Python语言和PyQt、Matplotlib等工具包为提出的反演方法开发了可视化功能的软件平台，本发明有效提高了临近地质体的区分能力和目标体纵向空间成像能力；其软件平台及开发方法具有易用、实用等优点。
-
公开(公告)号：CN113591030A
公开(公告)日：2021-11-02
申请号：CN202110941656.3
申请日：2021-08-17
Applicant: 东北大学
Abstract: 本发明提供一种基于多GPU的重力梯度数据灵敏度矩阵压缩及调用方法，涉及地球物理正反演技术领域；首先建立重力梯度数据各分量的灵敏度矩阵的等价计算公式，然后计算各GPU中分得灵敏度矩阵元素的范围和数量等参数，利用GPU并行计算压缩后的灵敏度矩阵，最后获取待参加计算的灵敏度矩阵元素索引，换算其在压缩矩阵中的索引并读取数值，从而实现大规模重力梯度数据不同梯度分量或全张量梯度数据的快速正反演；经验证，本发明能够有效提高重力梯度数据正反演的计算规模和大规模重力梯度数据联合反演的计算效率；还适用于重、磁异常等其他类型的位场数据正反演领域，也适用于单GPU的情况。
-
公开(公告)号：CN118941732A
公开(公告)日：2024-11-12
申请号：CN202411069155.0
申请日：2024-08-06
Applicant: 东北大学
Abstract: 本发明提供一种地球物理位场数据网格化和噪声去除方法，涉及重力与磁法勘探数据处理技术领域。该方法首先建立一套包括地球物理位场数据的原始数据集和含噪地球物理位场数据集；将指定的原始数据集输入至扩散模型进行训练，获得扩散模型；其次，获得噪声数据集对应的去噪步骤数，并将其和含噪数据集一起训练噪声等级选择网络；然后根据待处理地球物理位场数据的坐标和异常值，确定散点数据的位置，并对相应位置上的异常进行赋值，生成散点数据；最后，使用扩散模型实现散点数据的网格化，并使用噪声选择网络模型结合扩散模型实现网格化数据去噪。本发明方法能够提高位场数据网格化的精度，更准确地还原位场的分布特征，去除噪声干扰。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
