-
公开(公告)号：CN119986798A
公开(公告)日：2025-05-13
申请号：CN202510179728.3
申请日：2025-02-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开一种基于地震波全波形和重力数据的联合成像方法及系统，属于地质勘探技术领域。先对研究区域初步建模获取先验信息，再收集数据构建总能量损失函数，基于水平集方法构建密度和波速模型，通过界面结构联系不同物理数据对应的反演参数，融入先验信息初始化模型参数，经计算预测数据、确定数据比重系数、判断能量损失、计算更新梯度，运用异步迭代Adam算法更新参数，完成联合反演。本发明有效融合多物理数据，合理设置数据比重，借助结构相似性提升成像效果，充分利用先验信息并优化正则化项，具备良好的可扩展性，对复杂界面捕捉能力强，能提高地质构造成像分辨率，减少干扰，降低计算成本，提升反演结果的精度、可靠性与整体质量。
-
公开(公告)号：CN118169754B
公开(公告)日：2024-10-01
申请号：CN202410313204.4
申请日：2024-03-19
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种全波形反演方法，属于地震勘探技术领域。包括：S1.构建基于Swin‑Unet重参数化与先验模型自衰减约束项的全波形反演方法的目标函数；S2.获取实际采集的观测地震数据和Swin‑Unet输出速度模型；S3.得到合成地震数据；S4.根据观测地震数据与合成地震数据计算地震数据的误差；S5.计算先验模型自衰减约束项的损失；S6.计算Swin‑Unet权重参数的梯度并更新Swin‑Unet的权重参数；S7.重复S2‑S6，迭代更新Swin‑Unet的权重参数，当迭代次数或误差满足退出条件时停止计算，Swin‑Unet输出反演得到的速度模型。解决全波形反演算法存在多解性的问题。
-
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：CN118132955A
公开(公告)日：2024-06-04
申请号：CN202410313198.2
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明提出一种基于扩散模型的卫星在轨部件数据压缩重构方法，属于卫星机械数据处理技术领域。包括以下步骤：S1.获取卫星控制力矩陀螺转子系统中角接触球轴承的振动信号数据；S2.对S1中得到的信号数据进行滑窗处理，并将信号数据划分为训练集和测试集，训练集用于扩散模型预训练，测试模型用于测试重构算法；S3.设定扩散模型训练超参数，根据步骤S2得到的训练集进行扩散模型训练；S4.设定下采样率并设计测量矩阵，根据步骤S2得到的测试集进行压缩测量；S5.根据步骤S4得到下采样数据和步骤S3扩散模型训练的噪声匹配网络进行算法重构，得到最终重构的机械信号数据。解决现有技术中存在对信号高频数据重构效果较差的问题。
-
公开(公告)号：CN118132955B
公开(公告)日：2024-11-22
申请号：CN202410313198.2
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明提出一种基于扩散模型的卫星在轨部件数据压缩重构方法，属于卫星机械数据处理技术领域。包括以下步骤：S1.获取卫星控制力矩陀螺转子系统中角接触球轴承的振动信号数据；S2.对S1中得到的信号数据进行滑窗处理，并将信号数据划分为训练集和测试集，训练集用于扩散模型预训练，测试模型用于测试重构算法；S3.设定扩散模型训练超参数，根据步骤S2得到的训练集进行扩散模型训练；S4.设定下采样率并设计测量矩阵，根据步骤S2得到的测试集进行压缩测量；S5.根据步骤S4得到下采样数据和步骤S3扩散模型训练的噪声匹配网络进行算法重构，得到最终重构的机械信号数据。解决现有技术中存在对信号高频数据重构效果较差的问题。
-
Patent Agency Ranking
公开(公告)号：CN118169756A
公开(公告)日：2024-06-11
申请号：CN202410313193.X
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G01V1/36
Abstract: 本发明公开了基于快速低秩预测的非规则网格高维地震数据重构方法，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低秩预测的地震数据重构方法矩阵分解计算效率慢的问题；本发明通过对规则网络地震数据进行插值获取非规则网格地震数据，结合映射梯度下降算法进行迭代求解，得到更新后的地震数据，对其进行一维傅里叶变换，随后进行正向快速汉克矩阵‑向量乘积，再进行低秩预测处理，之后进行转置快速汉克矩阵‑向量乘积，采用随机QR分解代替奇异值分解，采用卷积加速反对角平均，得到低秩预测后的结果，对频域地震数据的共轭矩阵进行傅里叶逆变换迭代求解直至收敛条件，得到重构后的地震数据。本发明有效提高了地震数据重构效率和精度。
-
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：CN118169756B
公开(公告)日：2025-04-08
申请号：CN202410313193.X
申请日：2024-03-19
Applicant: 哈尔滨工业大学
IPC: G01V1/36
Abstract: 本发明公开了基于快速低秩预测的非规则网格高维地震数据重构方法，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低秩预测的地震数据重构方法矩阵分解计算效率慢的问题；本发明通过对规则网络地震数据进行插值获取非规则网格地震数据，结合映射梯度下降算法进行迭代求解，得到更新后的地震数据，对其进行一维傅里叶变换，随后进行正向快速汉克矩阵‑向量乘积，再进行低秩预测处理，之后进行转置快速汉克矩阵‑向量乘积，采用随机QR分解代替奇异值分解，采用卷积加速反对角平均，得到低秩预测后的结果，对频域地震数据的共轭矩阵进行傅里叶逆变换迭代求解直至收敛条件，得到重构后的地震数据。本发明有效提高了地震数据重构效率和精度。
-
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
14
records
(took 0.047 seconds)
