-
公开(公告)号：CN118169758A
公开(公告)日：2024-06-11
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：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：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。
-
-
-
Search Results
4
records
(took 0.021 seconds)
