公开(公告)号：CN118259354A

公开(公告)日：2024-06-28

申请号：CN202410130373.4

申请日：2024-01-31

Applicant: 吉林大学

Inventor： 马丽芸 ,  韩立国 ,  封强

IPC: G01V1/30

Abstract: 本发明一种基于深度学习的主被动源地震数据联合反演方法，包括在训练和测试模型上，收集收据集；进行合成地震数据的模拟；建立具有双输入的神经网络结构；降采样后变换、嵌入处理，进行特征提取；提取浅层、中层和深层的特征，提供一个多尺度的特征空间；应用卷积层，提取和精炼上述特征并调整维度，主动源和被动源的多级特征分别进行融合；进行神经网络训练。本发明通过深度学习技术，成功实现了被动地震数据与主动源数据的高级特征融合；深度学习模型能学习复杂的地震数据表示，将两种类型的数据有机地结合，提高了反演模型对地下结构的理解和表达能力；这种融合使得模型能更全面、更准确地捕捉地下介质的特征，包括复杂的地质层次和介质变化。

公开(公告)号：CN118226516A

公开(公告)日：2024-06-21

申请号：CN202410318552.0

申请日：2024-03-20

Applicant: 吉林大学

Inventor： 马丽芸 ,  韩立国 ,  封强 ,  尚旭佳

IPC: G01V1/28 ,  G01V1/30 ,  G06T3/4046 ,  G06T3/4053

Abstract: 本发明一种基于深度学习的地震成像方法，包括模型选择，数据集收集，使用有限差分法对时域内的二维声波方程进行求解，模拟波场并获取地震记录作为网络输入；计算相邻两层介质之间的波速差异，并据此计算反射率系数，得到反射率模型，用作标签数据；建立耦合Transformer和卷积神经网络的深度神经网络，并采用ASFF法进行多级特征的融合；选择MSE作为损失函数，R‑squared作为评估指标，进行神经网络训练，实现从地震记录到反射率模型的直接映射。本方法简化了地震成像过程，提高了地下结构成像的精度和可靠性，加速地震成像计算过程，提高了成像速度和效率，实验结果表明，在推断地下结构方面具有显著的准确性和可靠性。

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：CN118259349A

公开(公告)日：2024-06-28

申请号：CN202410317750.5

申请日：2024-03-20

Applicant: 吉林大学

Inventor： 尚旭佳 ,  韩立国 ,  张盼 ,  马丽芸 ,  李鑫

IPC: G01V1/28 ,  G01V1/30 ,  G01V1/36 ,  G06F18/22

Abstract: 本发明涉及一种基于多维干涉重构虚拟观测波场的多尺度波形反演方法，可在震源与检波器存在深度差的海洋地震勘探观测系统下实现利用虚拟波形进行复杂介质速度建模；利用多维干涉检索虚拟响应，同时实现数据低频重构、表面多次波压制与子波消除，然后与自设子波褶积提取波形信息进行多尺度反演；全局互相关方法可以降低虚拟波形振幅误差对反演结果的影响；采用动态编码方式构建混合虚拟源，降低计算成本并压制混合源引入的串扰噪声。反演梯度由混合源正传波场与虚拟波形反演对应的伴随源反传波场的零延时互相关得到。本方法可以在原始数据低频微弱、含表面多次波与子波未知的情况下，利用虚拟波形数据进行稳健的多尺度地下速度反演。

公开(公告)号：CN117169956A

公开(公告)日：2023-12-05

申请号：CN202311128908.6

申请日：2023-09-04

Applicant: 吉林大学

Inventor： 马丽芸 ,  韩立国 ,  封强 ,  尚旭佳 ,  曾靖雯

IPC: G01V1/28

Abstract: 本发明适用于地震勘探技术领域，提供了一种基于MDUNETR的短时被动源地震数据直接重构方法，包括如下步骤：步骤一、被动源地震数据模拟；步骤二、制作训练数据集；步骤三、构建MDUNETR网络模型；步骤四、模型训练。本发明中的一种基于MDUNETR的短时被动源地震数据直接重构方法，基于深度学习技术，仅需短时段的被动源地震记录即可获得重构结果，说明本模型在捕获地震数据的复杂时空模式和生成准确预测方面具有重要意义，且能够减少前期假设对重构结果的影响，提高数据利用效率，并且提高时间效率，实现数据的快速实时处理。