-
公开(公告)号：CN115685318B
公开(公告)日：2023-07-04
申请号：CN202211335740.1
申请日：2022-10-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于动态匹配的抗假频地震数据插值方法、电子设备及存储介质，属于地震勘探技术领域。为解决现有插值算法进行抗假频插值不准确的问题。本发明获取二维地震数据；利用动态时间规整方法对得到的地震数据中相邻两列地震数据进行匹配，得到相邻两列地震数据的匹配结果数据；根据相邻两列地震数据的匹配结果数据计算局部斜率；根据局部斜率在局部方向进行方向线性插值；遍历所有相邻两列地震数据进行方向线性插值，得到重构的地震数据。本发明有效的利用原始数据的信息和结构特征，进而提高了插值的准确性和地震数据的重构效果。在对地震数据进行插值时，借助于所计算出的方向信息，能够有效的控制插值的方向，从而达到很好的抗假频效果。
-
公开(公告)号：CN118486372B
公开(公告)日：2024-12-31
申请号：CN202410608979.4
申请日：2024-05-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于强化学习的mRNA稳定性优化方法、电子设备及存储介质，属于生物序列数据处理技术领域。为解决现有方法泛化性差、初值依赖、优化目标单一等问题，本发明构建训练数据集，构建智能体与环境，所述智能体由actor网络、critic网络构成，所述actor网络和critic网络共享输入层、隐藏层1、隐藏层2的参数；所述环境为接受actor网络输出动作并对状态变量做出相应修改，同时输出奖励函数，收集训练轨迹数据，采用近端策略优化算法训练强化学习智能体在环境中的学习过程，更新智能体网络参数，计算优化序列的MFE，直到优化序列的MFE低于模板MFE或优化序列的MFE下降趋于稳定，完成智能体训练。
-
公开(公告)号：CN118486372A
公开(公告)日：2024-08-13
申请号：CN202410608979.4
申请日：2024-05-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于强化学习的mRNA稳定性优化方法、电子设备及存储介质，属于生物序列数据处理技术领域。为解决现有方法泛化性差、初值依赖、优化目标单一等问题，本发明构建训练数据集，构建智能体与环境，所述智能体由actor网络、critic网络构成，所述actor网络和critic网络共享输入层、隐藏层1、隐藏层2的参数；所述环境为接受actor网络输出动作并对状态变量做出相应修改，同时输出奖励函数，收集训练轨迹数据，采用近端策略优化算法训练强化学习智能体在环境中的学习过程，更新智能体网络参数，计算优化序列的MFE，直到优化序列的MFE低于模板MFE或优化序列的MFE下降趋于稳定，完成智能体训练。
-
公开(公告)号：CN120028858A
公开(公告)日：2025-05-23
申请号：CN202510203201.X
申请日：2025-02-24
Applicant: 哈尔滨工业大学
IPC: G01V1/36 , G06F30/27 , G06F17/16 , G06F17/11 , G06N3/0464 , G06N3/084 , G06N3/0895 , G01V1/28 , G01V1/30 , G06F111/04 , G06F111/10
Abstract: 一种基于物理约束自监督学习的地震数据匹配方法、电子设备及存储介质，属于地震数据处理技术领域。为提高地震数据的匹配性能，本发明包括将匹配函数与PP波与PS波的速度比的关系式利用一阶泰勒展开得到离散表达式，构建物理约束，得到匹配函数矩阵方程；对匹配函数矩阵方程，考虑PP波与PS波的速度比的边界条件，构建参数化后的匹配函数；构建目标函数，然后将参数化后的匹配函数带入到目标函数中，得到匹配的目标函数表达式；网络训练求解，利用神经网络U‑net和自适应矩估算Adam方法，进行基于物理约束下的匹配函数求解。本发明有效地解决了非平稳地震资料匹配的难题。
-
公开(公告)号：CN119395752B
公开(公告)日：2025-04-25
申请号：CN202411663253.7
申请日：2024-11-20
Applicant: 哈尔滨工业大学
Abstract: 一种地震数据采集设计方法、电子设备及存储介质，属于地震数据采集技术领域。为实现更优的地震数据采集和重建，本发明包括在目标区域内，采用抖动采样方法布设初始采样点；对二维地震道数据计算每两个相邻的初始采样点之间的动态时间匹配距离；对三维地震道数据对初始采样点进行平面三角剖分，对每个三角形基于三角形中各顶点的地震道数据计算动态时间匹配距离，然后对得到的动态时间匹配距离计算动态时间匹配距离平均值；进行距离排序，提取目标区域内地震信号当前最大区域为重点区域；在重点区域内添加新的采样点；将新添加的采样点加入初始采样点集合，然后循环迭代在更新的重点区域内继续添加采样点，直至布设采样点数量达到总采样点数量。
-
Patent Agency Ranking
公开(公告)号：CN118169758B
公开(公告)日：2024-11-29
申请号：CN202410313200.6
申请日：2024-03-19
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于Huber范数的非均一采样地震数据鲁棒重构方法，属于地震数据处理技术领域。包括：步骤一、对重构问题进行建模，根据地震数据采样点的坐标信息计算二维重心拉格朗日插值算子；具体为：获取地震数据的观测系统信息，通过实际非均一网格采样点和规则网格采样点的坐标信息计算插值算子，利用插值算子，重构目标函数；步骤二、设置最大迭代次数参数和阈值相关参数，计算阈值函数；步骤三、计算迭代误差ek和伪地震数据pk，更新当前数据yk；通过迭代阈值算法进行循环求解xk+1，直到最大迭代次数。解决现有技术中含有随机和异常值噪声情况下重构非均一采样的数据处理效果不好的技术问题。本发明能够起到在重构的同时压制随机噪声和异常值。
-
公开(公告)号：CN118211067B
公开(公告)日：2024-10-01
申请号：CN202410313190.6
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G06F18/214 , G06N3/088 , G06N3/096 , G01V1/28 , G01V1/30
Abstract: 本发明公开了一种基于自监督迁移学习凸集网络的地震数据插值方法，属于地震数据处理技术领域。解决了现有技术中传统的基于深度学习的地震数据插值方法在采用实际数据的情况下应用能力较差的问题；本发明根据凸集投影算法构建凸集投影网络，通过在自监督迁移学习训练框架下采用有标签合成训练数据集训练凸集投影网络，得到基础凸集投影网络；在自监督迁移学习训练框架下采用插值训练集训练基础凸集投影网络，得到具备插值性能的凸集投影网络；将待插值缺失地震数据输入具备插值性能的凸集投影网络，得到地震数据重建结果。本发明有效提高了基于深度学习的地震数据插值方法的泛用性和插值性能，避免依赖于有标签数据训练，可以应用于地震数据插值。
-
公开(公告)号：CN118211067A
公开(公告)日：2024-06-18
申请号：CN202410313190.6
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G06F18/214 , G06N3/088 , G06N3/096 , G01V1/28 , G01V1/30
Abstract: 本发明公开了一种基于自监督迁移学习凸集网络的地震数据插值方法，属于地震数据处理技术领域。解决了现有技术中传统的基于深度学习的地震数据插值方法在采用实际数据的情况下应用能力较差的问题；本发明根据凸集投影算法构建凸集投影网络，通过在自监督迁移学习训练框架下采用有标签合成训练数据集训练凸集投影网络，得到基础凸集投影网络；在自监督迁移学习训练框架下采用插值训练集训练基础凸集投影网络，得到具备插值性能的凸集投影网络；将待插值缺失地震数据输入具备插值性能的凸集投影网络，得到地震数据重建结果。本发明有效提高了基于深度学习的地震数据插值方法的泛用性和插值性能，避免依赖于有标签数据训练，可以应用于地震数据插值。
-
公开(公告)号：CN116450993B
公开(公告)日：2023-12-12
申请号：CN202310447205.3
申请日：2023-04-24
Applicant: 哈尔滨工业大学
Abstract: 多测量向量卫星数据的处理方法、电子设备及存储介质，属于卫星数据处理技术领域。为解决精确恢复原始卫星数据的问题。本发明传感器采集压缩后的卫星向量数据，构建多测量向量卫星数据矩阵，构建l2.0范数极小化的第一优化模型,然后将目标函数转化为不等式约束，得到l2.0范数不等式约束的第二优化模型；采用约束转移和变量松弛方法改进l2.0范数不等式约束的第二优化模型，得到双变量的l2.0范数的第三优化模型；对得到的双变量的l2.0范数的第三优化模型中的卫星压缩后的向量数据利用交替方向乘子法进行求解，得到多测量向量卫星数据。本发明能够更大程度的压缩数据，能够极大地减少信息(56)对比文件Tianyu Geng 等.Image CompressedSensing Recovery based on Multi-scaleGroup Sparse Representation《.IWSSIP2018》.2018,1-5.Zelun Liu 等.Alternating DirectionMethod of Multipliers Based on l2,0-normfor Multiple Measurement Vector Problem.《arxiv》.2023,1-24.Xiaoping Shi;Jie Zhang.Reconstructionand transmission of astronomical imagebased on compressed sensing.Journal ofSystems Engineering and Electronics.2016,(第03期),184-194.李颖;王泽;王军华;苗刚;郑耿乐.基于l_0范数近似最小化的稀疏信号重构方法.计算机工程与应用.2015,(第10期),204-208+245.
-
公开(公告)号：CN116450993A
公开(公告)日：2023-07-18
申请号：CN202310447205.3
申请日：2023-04-24
Applicant: 哈尔滨工业大学
Abstract: 多测量向量卫星数据的处理方法、电子设备及存储介质，属于卫星数据处理技术领域。为解决精确恢复原始卫星数据的问题。本发明传感器采集压缩后的卫星向量数据，构建多测量向量卫星数据矩阵，构建l2.0范数极小化的第一优化模型,然后将目标函数转化为不等式约束，得到l2.0范数不等式约束的第二优化模型；采用约束转移和变量松弛方法改进l2.0范数不等式约束的第二优化模型，得到双变量的l2.0范数的第三优化模型；对得到的双变量的l2.0范数的第三优化模型中的卫星压缩后的向量数据利用交替方向乘子法进行求解，得到多测量向量卫星数据。本发明能够更大程度的压缩数据，能够极大地减少信息传输能量损耗，或信息存储的代价。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
