-
公开(公告)号：CN115061200B
公开(公告)日：2024-05-24
申请号：CN202210638911.1
申请日：2022-06-08
Applicant: 北京大学
IPC: G01V1/30 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明公布了一种基于虚同相轴法和无监督神经网络压制层间多次波的方法，使用无监督深度神经网络来压制层间多次波；包括：对地震资料进行预处理；采用基于迭代法的自适应虚同相轴法，通过迭代逐层得到压制了层间多次波后的数据；构建无监督深度神经网络模型；使得无监督深度神经网络模型作为一个非线性算子，用于最小化预测层间多次波和包含真实层间多次波的全波场数据之间的差异；网络模型的输入为预测层间多次波数据，输出为真实的层间多次波估计值数据；训练无监督深度神经网络；利用训练好的无监督深度神经网络，通过预测的层间多次波得到真实层间多次波的估计值，实现层间多次波的压制。
-
公开(公告)号：CN115061200A
公开(公告)日：2022-09-16
申请号：CN202210638911.1
申请日：2022-06-08
Applicant: 北京大学
Abstract: 本发明公布了一种基于虚同相轴法和无监督神经网络压制层间多次波的方法，使用无监督深度神经网络来压制层间多次波；包括：对地震资料进行预处理；采用基于迭代法的自适应虚同相轴法，通过迭代逐层得到压制了层间多次波后的数据；构建无监督深度神经网络模型；使得无监督深度神经网络模型作为一个非线性算子，用于最小化预测层间多次波和包含真实层间多次波的全波场数据之间的差异；网络模型的输入为预测层间多次波数据，输出为真实的层间多次波估计值数据；训练无监督深度神经网络；利用训练好的无监督深度神经网络，通过预测的层间多次波得到真实层间多次波的估计值，实现层间多次波的压制。
-
公开(公告)号：CN107219554A
公开(公告)日：2017-09-29
申请号：CN201710311134.9
申请日：2017-05-05
Applicant: 北京大学
IPC: G01V1/36
CPC classification number: G01V1/362
Abstract: 本发明公布了一种陆地地震资料的剩余静校正量的自动获取方法，基于累积量的时延估计，获取检波点间的初至波时延，将初至波时延求取检波点间的相对剩余静校正量差，再通过逐点计算全部炮检点的剩余静校正量，实现陆地地震资料的自动剩余静校正。相比折射波干涉法，本发明方法抗噪性更强，且有效压制相干的高斯噪声；相比现有基于初至旅行时的静校正方法，本发明方法避免了面对低信噪比大数据量地震资料时可能需要的人力时间成本极高的初至拾取工作。
-
公开(公告)号：CN115630295A
公开(公告)日：2023-01-20
申请号：CN202211179180.5
申请日：2022-09-27
Applicant: 北京大学
IPC: G06F18/214 , G06N3/045 , G06N3/088
Abstract: 本发明公布了一种双深度神经网络约束的无监督学习分离多震源数据的方法，构建具有双深度神经网络约束的无监督深度神经网络结构进行迭代反演，通过基于双深度神经网络约束的无监督学习方法，使用训练好的神经网络参数，对采集到的多震源数据进行分离；属于地震相干噪声数据处理技术领域。采用本发明提供的技术方案，使用具有双深度神经网络约束的无监督深度神经网络，不需要使用期待的分离结果作为标签数据，能够解决标签数据缺失的问题，进一步更好地分离多震源数据，从而很好地缩减野外采集时间，节约采集成本，提高后续地震成像效果。
-
公开(公告)号：CN115236730B
公开(公告)日：2024-05-17
申请号：CN202210709847.1
申请日：2022-06-22
Applicant: 北京大学
IPC: G01V1/28
Abstract: 本发明公布了一种层间多次波傅里叶有限差分的地震波场偏移成像方法，基于波场延拓的全波场模拟技术进行改进，在每个地层的层位点，分别模拟获得不同阶次的层间多次波波场，根据不同阶次层间多次波的传播路径，将不同阶次层间多次波进行反传，对不同阶次的层间多次波波场在上行波场和下行波场中分别进行互相关成像。输入数据包括地质模型数据和只含有层间多次波的地震记录，通过波场延拓、设置震源、人工边界反射压制、循环递归波场分阶模拟，实现层间多次波傅里叶有限差分的地震波场偏移成像。本发明将已有成像方法中作为噪声信号的层间多次波地震信号变为有效信号，进行地震波场偏移成像，可用于恢复地下构造信息。
-
Patent Agency Ranking
公开(公告)号：CN107219554B
公开(公告)日：2019-04-02
申请号：CN201710311134.9
申请日：2017-05-05
Applicant: 北京大学
IPC: G01V1/36
Abstract: 本发明公布了一种陆地地震资料的剩余静校正量的自动获取方法，基于累积量的时延估计，获取检波点间的初至波时延，将初至波时延求取检波点间的相对剩余静校正量差，再通过逐点计算全部炮检点的剩余静校正量，实现陆地地震资料的自动剩余静校正。相比折射波干涉法，本发明方法抗噪性更强，且有效压制相干的高斯噪声；相比现有基于初至旅行时的静校正方法，本发明方法避免了面对低信噪比大数据量地震资料时可能需要的人力时间成本极高的初至拾取工作。
-
公开(公告)号：CN115469359B
公开(公告)日：2024-05-24
申请号：CN202211076177.0
申请日：2022-09-05
Applicant: 北京大学
Abstract: 本发明公布了一种基于集成学习的无监督深度神经网络压制多次波的方法，构建具有多个深度神经网络约束的无监督深度神经网络压制地震表面多次波模型结构，在训练阶段，通过三个不同的深度神经网络分别构建三个不同的基础学习器，通过基础学习器将全波场数据卷积得到的预测表面多次波映射为真实表面多次波结果；采用集成学习方法综合全部基础学习器，得到地震表面多次波压制结果。本发明方法不需要压制表面多次波的干净数据来充当训练集数据，很好地解决了训练集缺失的问题，能够很好地用于复杂地质条件下实际数据的表面多次波压制中。本发明方法不需要人工参与调整参数，能够提高地震数据处理流程和模块的智能化程度。
-
公开(公告)号：CN115469359A
公开(公告)日：2022-12-13
申请号：CN202211076177.0
申请日：2022-09-05
Applicant: 北京大学
Abstract: 本发明公布了一种基于集成学习的无监督深度神经网络压制多次波的方法，构建具有多个深度神经网络约束的无监督深度神经网络压制地震表面多次波模型结构，在训练阶段，通过三个不同的深度神经网络分别构建三个不同的基础学习器，通过基础学习器将全波场数据卷积得到的预测表面多次波映射为真实表面多次波结果；采用集成学习方法综合全部基础学习器，得到地震表面多次波压制结果。本发明方法不需要压制表面多次波的干净数据来充当训练集数据，很好地解决了训练集缺失的问题，能够很好地用于复杂地质条件下实际数据的表面多次波压制中。本发明方法不需要人工参与调整参数，能够提高地震数据处理流程和模块的智能化程度。
-
公开(公告)号：CN115236730A
公开(公告)日：2022-10-25
申请号：CN202210709847.1
申请日：2022-06-22
Applicant: 北京大学
IPC: G01V1/28
Abstract: 本发明公布了一种层间多次波傅里叶有限差分的地震波场偏移成像方法，基于波场延拓的全波场模拟技术进行改进，在每个地层的层位点，分别模拟获得不同阶次的层间多次波波场，根据不同阶次层间多次波的传播路径，将不同阶次层间多次波进行反传，对不同阶次的层间多次波波场在上行波场和下行波场中分别进行互相关成像。输入数据包括地质模型数据和只含有层间多次波的地震记录，通过波场延拓、设置震源、人工边界反射压制、循环递归波场分阶模拟，实现层间多次波傅里叶有限差分的地震波场偏移成像。本发明将已有成像方法中作为噪声信号的层间多次波地震信号变为有效信号，进行地震波场偏移成像，可用于恢复地下构造信息。
-
公开(公告)号：CN112946749B
公开(公告)日：2022-05-20
申请号：CN202110160644.7
申请日：2021-02-05
Applicant: 北京大学
Abstract: 本发明公布了一种基于数据增广训练深度神经网络压制地震多次波的方法，属于勘探地震信号处理技术领域，涉及地震资料多次波和随机噪声的压制以及一次波的重建。本发明设计具有卷积编码和卷积解码过程的深度神经网络，卷积编码过程用来学习训练集中地震数据的一次波特征，卷积解码过程能够利用这些特征来重建一次波和压制多次波。在训练阶段，包含多次波的原始数据和加入随机噪声的数据一起组成增广数据集，用该数据集来学习神经网络参数比只使用原始数据作为输入数据训练的神经网络能够取得更好的抗噪稳定性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
