公开(公告)号：CN117706623A

公开(公告)日：2024-03-15

申请号：CN202311718799.3

申请日：2023-12-14

Applicant: 中南大学

Inventor： 曾小宝 ,  李磊 ,  潘新朋 ,  柳建新

IPC: G01V1/28 ,  G01V1/30 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/22 ,  G06F18/213

Abstract: 本发明涉及一种深度学习和波动方程联合驱动的微地震速度反演方法，将地下模型离散，设置检波器；建立地下速度模型，利用有限差分算法计算随机震源在每个检波器位置的波形信息；将波形记录、速度模型和震源坐标批量地输入Unet神经网络；纯数据驱动计算获取初步的速度结构，物理驱动计算，使用有限差分求解波动方程，获取地震记录；损失函数由速度误差和波形误差两部分组成；计算预测速度和真实速度之间的结构相似度，将其平均值设置为物理驱动损失值的动态权重；利用神经网络提取波形特征与速度模型之间的映射关系，反演预测地下速度结构。本发明实现了人工智能实时预测微地震速度模型，且反演得到的速度模型精度高，可解释性强。

公开(公告)号：CN118311657A

公开(公告)日：2024-07-09

申请号：CN202410417952.7

申请日：2024-04-09

Applicant: 中南大学

Inventor： 彭玲 ,  李磊 ,  曾小宝 ,  潘新朋 ,  柳建新

IPC: G01V1/28 ,  G06F18/214 ,  G06F18/15 ,  G06N3/0442

Abstract: 本发明公开了一种基于双流深度神经网络的微地震震相拾取的方法，包括以下步骤：步骤S1：获取数据波形，并对波形进行滤波、增强、构建标签、划分数据集等预处理；步骤S2：构建用于微地震震相拾取的双流深度神经网络TwoStream‑EQTransformer，调整各项参数；步骤S3：对网络模型采用训练集进行训练和验证集进行评估；步骤S4：应用训练模型对其他数据集进行验证分析。本发明实现了人工智能拾取微地震震相，且提高了微地震震相拾取的准确性。