公开(公告)号：CN112987099B

公开(公告)日：2022-10-11

申请号：CN202110418166.5

申请日：2021-04-19

Applicant: 吉林大学

Inventor： 尹语晨 ,  韩立国 ,  张盼 ,  尚旭佳 ,  赵炳辉

IPC: G01V1/30 ,  G01V1/36

Abstract: 本发明涉及一种基于多震源卷积神经网络的低频地震数据重构方法，包括地震数据预处理得到高质量的主动源地震数据及被动源地震数据；创建训练数据集：将处理后的被动源及主动源数据分别进行低通滤波并分块处理，分别作为样本合集输入数据及标签；建立神经网络模型：搭建基于多震源的卷积神经网络模型，用于主动源低频地震数据的重构；训练：将样本合集和标签合集输入到卷积神经网络模型中。本方法可在缺失主动源低频数据的条件下，利用被动源数据实现重构，其获取的主动源低频信息准确性较高降低了低频信息的采集成本，且在进行简单地去噪后，为接下来的地震反演过程提供高质量的地震数据，改善由于缺失低频信息导致的各种问题，有利于恢复出更多的细节信息。

公开(公告)号：CN116359982A

公开(公告)日：2023-06-30

申请号：CN202310279895.6

申请日：2023-03-22

Applicant: 吉林大学

Inventor： 赵炳辉 ,  韩立国 ,  张盼 ,  封强 ,  尚旭佳

IPC: G01V1/28 ,  G01V1/36

Abstract: 本发明涉及一种基于卷积神经网络的少量震源虚拟炮信号增强方法，利用卷积神经网络对地震数据中的相干噪声及虚假同相轴进行识别和压制。将地下被动源震源数量较少虚拟炮记录作为训练数据，并将震源数量较多的虚拟炮记录作为训练标签，从标签中学习有效信号的特征，以此来压制相干噪声和虚假同相轴，并在波形不够连续的部位进行波形恢复。对于震源分布不够均匀的虚拟炮记录，采用震源分布较广泛的虚拟炮记录作为标签，此时网络的任务不仅要压制相干噪声、虚假同相轴，恢复波形的连续性和延展性，还要将直线相交型的同相轴恢复成双曲线型的同相轴。在进行被动源采集时，可降低其对地震记录的影响，最终获得较好的效果，提高被动源地震勘探的适用性。

公开(公告)号：CN116430454A

公开(公告)日：2023-07-14

申请号：CN202310529807.3

申请日：2023-05-11

Applicant: 吉林大学

Inventor： 马丽芸 ,  韩立国 ,  赵炳辉 ,  曾靖雯

IPC: G01V1/36 ,  G01V1/30 ,  G06F18/10 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于Attention‑Unet的短时被动源重构记录信号增强方法，涉及地震勘测技术领域，该方法包括以下步骤：构建地下介质的速度模型，确定模拟区域和边界条件，设定震源函数和震源参数，采用有限差分方法进行正演模拟；将模拟结果进行互相关重构处理，抽取多段短时被动源记录分别进行互相关重构处理；以U‑net为基础，继承U型结构，增加CBAM注意力机制模块，用于对有效信号进行重点学习；采用构建的网络模型对数据集进行训练。本发明仅需短时段的被动源地震记录即可获取地下结构信息，在实际应用于被动源勘探时具有切实的实际意义：减弱了外界条件对数据质量的影响，提升计算效率，并且能准确增强有效信号。

公开(公告)号：CN112987099A

公开(公告)日：2021-06-18

申请号：CN202110418166.5

申请日：2021-04-19

Applicant: 吉林大学

Inventor： 尹语晨 ,  韩立国 ,  张盼 ,  尚旭佳 ,  赵炳辉

IPC: G01V1/30 ,  G01V1/36

Abstract: 本发明涉及一种基于多震源卷积神经网络的低频地震数据重构方法，包括地震数据预处理得到高质量的主动源地震数据；创建训练数据集：将处理后的被动源及主动源数据进行低通滤波并分块处理，分别作为输入数据及标签；建立神经网络模型：搭建基于多震源的卷积神经网络模型，用于主动源低频地震数据的重构；训练：将处理后的数据及标签输入到卷积神经网络模型中。本方法可在缺失主动源低频数据的条件下，利用被动源数据实现重构，其获取的低频信息准确性较高，对仪器的要求不高，降低了低频信息的采集成本，且在进行简单地去噪后，为接下来的地震反演过程提供高质量的地震数据，改善由于缺失低频信息导致的各种问题，有利于恢复出更多的细节信息。