-
公开(公告)号：CN112213785A
公开(公告)日：2021-01-12
申请号：CN202011115922.9
申请日：2020-10-19
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明公开了一种基于特征增强去噪网络的地震资料沙漠噪声抑制方法，包括以下步骤：步骤一、构建初始特征增强去噪网络：第1‑3层和第9‑12层均由卷积、批标准化和线性整流单元组成，第4‑8层由扩张卷积、批标准化和线性整流单元组成，通过级联操作对输入噪声记录与第3层、第6层、第9层和第12层的特征信息映射混合，所述级联操作中的第3层、第6层、第9层和第12层的路径中具有扩展卷积层，最后通过激活函数后经过卷积输出；第4‑8层的膨胀因子分别为2、3、4、3、2；步骤二、将所述初始特征增强去噪网络进行残差学习得到理想特征增强去噪网络；步骤三、将原始带噪记录输入到所述理想特征增强去噪网络中，输出去噪的地震信号。
-
公开(公告)号：CN111578154A
公开(公告)日：2020-08-25
申请号：CN202010446669.9
申请日：2020-05-25
Applicant: 吉林大学
IPC: F17D5/06
Abstract: 本发明公开了基于LSDR-JMI的供水管网多泄漏压力传感器优化布置方法，使用压力传感器初始测量无泄漏条件下的压力，形成压力矩阵；使用压力传感器初始测量泄漏情况下的压力，形成异常压力矩阵，根据压力矩阵和异常压力矩阵构建压力灵敏度矩阵；并将聚类结果作为所述压力灵敏度矩阵对应的伪标签L；根据LSDR方法将完整的标签空间Y转化为子标签空间；基于互信息的Group-JMI方法来降低标签空间Y的维度，根据LSDR-JMI特征选择方法计算。
-
公开(公告)号：CN108107475A
公开(公告)日：2018-06-01
申请号：CN201810177571.0
申请日：2018-03-05
Applicant: 吉林大学
Abstract: 本发明公开了在微地震信号处理中，噪声的抑制是一个重要的处理步骤。完备总体经验模态分解CEEMD和小波变换WT已经广泛地应用于地震去噪，但是CEEMD缺少理论基础，WT的自适应性较弱。所以去噪效果较差。本文首次将经验小波变换结合多种阈值函数用于微地震去噪。EWT通过频谱分割建立自适应小波滤波器组提取被测信号的不同频率块。在EWT中有四种频谱分割方法，实验发现adaptive算法可以很好地将微地震数据的有效信号和噪声分离，EWT变换后，通过分析各模块的频谱和能量将信号分为两种成分。我们将硬阈值函数应用于包含较多的有效信号的成分，将改进的阈值函数应用于包含较少的有效信号的成分。将提出方法与CEEMD和WT在模拟信号与实际信号中进行对比，证明了提出方法的有效性。
-
公开(公告)号：CN110388570B
公开(公告)日：2020-06-19
申请号：CN201910680544.X
申请日：2019-07-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于VMD的自适应降噪方法，包括：步骤一、分别采集第一振动信号和第二振动信号，并且分别将所述第一振动信号和所述第二振动信号分别由VMD分解而获得第一模式和第二模式；步骤二、分别计算所述第一振动信号的每个模式与所述第二振动信号之间的互相关系数和所述第二振动信号的每个模式与所述第一振动信号之间的互相关系数；步骤三、分别确定反应所述第一模式中包含多少泄漏信号的第一参数和反应所述第二模式中包含多少泄漏信号的第二参数；步骤四、分别将所述第一参数和所述第二参数进行标准化处理得到信号清晰度；步骤五、重构提取的模式获得去噪的泄漏信号。本发明还公开了一种基于VMD的自适应降噪方法在供水管道泄漏定位中的应用。
-
公开(公告)号：CN108107475B
公开(公告)日：2019-07-19
申请号：CN201810177571.0
申请日：2018-03-05
Applicant: 吉林大学
Abstract: 本发明公开了在微地震信号处理中，噪声的抑制是一个重要的处理步骤。完备总体经验模态分解CEEMD和小波变换WT已经广泛地应用于地震去噪，但是CEEMD缺少理论基础，WT的自适应性较弱。去噪效果较差。本发明首次将经验小波变换结合多种阈值函数用于微地震去噪。EWT通过频谱分割建立自适应小波滤波器组提取被测信号的不同频率块。在EWT中有四种频谱分割方法，实验发现adaptive算法可以很好地将微地震数据的有效信号和噪声分离，EWT变换后，通过分析各模块的频谱和能量将信号分为两种成分。我们将硬阈值函数应用于包含较多的有效信号的成分，将改进的阈值函数应用于包含较少的有效信号的成分。将提出方法与实际信号中进行对比，证明了提出方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN109783979B
公开(公告)日：2021-03-26
申请号：CN201910116001.5
申请日：2019-02-15
Applicant: 吉林大学
IPC: G06F30/27 , G06F30/18 , G06K9/62 , G06F113/14
Abstract: 本发明公开了一种城市供水管网半监督条件下泄漏监测传感器布局优化方法，包括：步骤一、模拟计算城市供水管网中节点的压力变化；步骤二、根据所述压力变化通过模糊C均值聚类对所述城市供水管网进行区域划分；步骤三、在所述区域中通过半监督联合互信息选择代表性节点，并且在所述代表性节点放置所述监测传感器。
-
公开(公告)号：CN110780349A
公开(公告)日：2020-02-11
申请号：CN201911078752.9
申请日：2019-11-07
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明公开了一种基于增强块匹配精度的加权核范数最小化算法，包括：本发明公开了一种基于加权核范数最小化算法的沙漠地震中低频噪声抑制方法，包括如下步骤：步骤一、采集沙漠地震低频噪声，确定原始的参考数据块 和多个普通数据块 后，得到滤波后的参考数据块 和多个普通数据块 步骤二、计算滤波后的参考数据块 与每个普通数据块 之间的相似度，选择前m个滤波后的普通数据块 作为与滤波后的参考数据块 相似的块合并成一个数据矩阵 步骤三、从数据矩阵 中获得理想纯净相似块数据矩阵 的近似相似块数据矩阵 步骤四、得到噪声抑制后的近似纯净地震低频噪声数据 本发明还公开了一种基于沙漠地震中低频噪声抑制方法在压制沙漠地震中低频噪声的应用。
-
公开(公告)号：CN110068865A
公开(公告)日：2019-07-30
申请号：CN201910382926.4
申请日：2019-05-09
Applicant: 吉林大学
Abstract: 本发明公开了一种基于几何纹理噪声估计的低秩矩阵逼近的沙漠地震噪声压制方法，包括以下步骤：步骤一、获取含噪地震信号Y，设置参数δ，η，L，τ；步骤二、设置Y0＝Y,步骤三、对k＝1:L做迭代正则化： 步骤四、选择一个主要地震纹理块 步骤五、构建相似块矩阵步骤六、估计噪声标准差；步骤七、奇异值分解；步骤八、估计奇异值 步骤九、获得奇异值矩阵 步骤十、用阈值τ将信号的较大奇异值和较小奇异值分开；步骤十一、获得估计值 和 步骤十二、利用 和 来获得 和 得出去噪的地震信号 本发明提供的压制方法能够根据含噪地震信号不同纹理块的几何结构直接估计出噪声标准差，对沙漠地震低频噪声压制有明显的效果。
-
公开(公告)号：CN108019622A
公开(公告)日：2018-05-11
申请号：CN201810112257.4
申请日：2018-02-05
Applicant: 吉林大学
Abstract: 本发明公开了一种基于压力差的管道泄露定位的计算方法，包括：首先，本发明中建立了管道泄漏模型。然后通过该模型，计算出负压波沿管道衰减的方程。最后推导出管道泄漏位置和管道泄漏前后压力变化的关系。在仿真实验中，本发明中根据流体动力学首次建立了负压波时域曲线模型，该模型模拟实际管道，将负压波分成三个部分，分别叫做泄漏前稳定状态，泄漏时非稳定状态，泄漏后稳定状态。通过对负压波仿真分析，可以对比ANPW定位算法和传统定位算法，得出ANPW定位算法的优点。
-
公开(公告)号：CN110780349B
公开(公告)日：2025-01-17
申请号：CN201911078752.9
申请日：2019-11-07
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明公开了一种基于增强块匹配精度的加权核范数最小化算法，包括：#imgabs0#本发明公开了一种基于加权核范数最小化算法的沙漠地震中低频噪声抑制方法，包括如下步骤：步骤一、采集沙漠地震低频噪声，确定原始的参考数据块#imgabs1#和多个普通数据块#imgabs2#后，得到滤波后的参考数据块#imgabs3#和多个普通数据块#imgabs4#步骤二、计算滤波后的参考数据块#imgabs5#与每个普通数据块#imgabs6#之间的相似度，选择前m个滤波后的普通数据块#imgabs7#作为与滤波后的参考数据块#imgabs8#相似的块合并成一个数据矩阵#imgabs9#步骤三、从数据矩阵#imgabs10#中获得理想纯净相似块数据矩阵#imgabs11#的近似相似块数据矩阵#imgabs12#步骤四、得到噪声抑制后的近似纯净地震低频噪声数据#imgabs13#本发明还公开了一种基于沙漠地震中低频噪声抑制方法在压制沙漠地震中低频噪声的应用。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.023 seconds)
