公开(公告)号：CN113156538A

公开(公告)日：2021-07-23

申请号：CN202110436707.7

申请日：2021-04-22

Applicant: 清华大学

Inventor： 李懋坤 ,  周虹宇 ,  郭睿 ,  杨帆 ,  许慎恒

IPC: G01V11/00

Abstract: 一种大地电磁‑地震波初至时的联合反演方法，包括：构建训练集，训练集包括电阻率图像和速度图像；通过神经网络分别对电阻率图像和速度图像进行联合训练，以得到从反演结果电阻率和速度图像到真实模型电阻率和速度图像的非线性映射；根据前述的反演结果到真实模型的非线性映射，获取大地电磁‑地震波初至时反演的参考模型，并在参考模型约束下同时更新电阻率和速度，以进行大地电磁‑地震波初至时的联合反演。本申请具有如下优点：1、反演得到的电阻率和速度模型具有较好的结构相似性且边界更准确；2、使目标函数跳出局部极小值；3、具有较高的泛化能力。本申请实现了大地电磁‑地震波初至时的联合反演。

公开(公告)号：CN118393605A

公开(公告)日：2024-07-26

申请号：CN202410294200.6

申请日：2024-03-14

Applicant: 清华大学

Inventor： 李懋坤 ,  郭睿 ,  周虹宇 ,  林智超 ,  杨帆 ,  许慎恒

IPC: G01V20/00 ,  G06F30/20 ,  G06F30/27 ,  G06N3/0464 ,  G01V11/00 ,  G06F111/04

Abstract: 本申请涉及地球物理勘探技术领域，特别涉及一种基于深度学习的联合反演方法、装置、电子设备及介质，其中，方法包括：获取多种地球物理属性和多种地球物理测量数据；利用预设卷积神经网络重新参数化多种地球物理属性，基于多种地球物理测量数据和重新参数化结果构建包含正则化的联合反演的损失函数；最小化联合反演的损失函数得到目标函数，并基于目标函数对多种地球物理测量数据联合反演得到多种地球物理属性的反演模型。

公开(公告)号：CN118091789A

公开(公告)日：2024-05-28

申请号：CN202410173951.2

申请日：2024-02-07

Applicant: 清华大学

Inventor： 李懋坤 ,  周虹宇 ,  郭睿 ,  杨帆 ,  许慎恒

IPC: G01V11/00 ,  G01V3/38 ,  G01V1/30

Abstract: 本申请提供了一种大地电磁数据反演方法、装置、电子设备和可读存储介质，属于地球物理领域。大地电磁数据反演方法包括：获取同一区域的地震剖面数据和大地电磁观测数据；根据区域的低分辨率图像、高分辨图像、大地电磁建模算子、图像纹理算子和第一映射关系式，确定目标函数；根据地震剖面数据和大地电磁观测数据，利用迭代算法对目标函数进行迭代优化处理，直至目标函数收敛，确定目标函数对应的低分辨率图像和高分辨率图像为目标低分辨率图像和目标高分辨率图像；根据第二映射关系式，将目标低分辨率图像和目标高分辨率图像叠加得到反演结果图像。本申请基于图像纹理特征对大地电磁观测数据的约束反演具有较高的反演精度和反演结果图像分辨率。

公开(公告)号：CN116186538A

公开(公告)日：2023-05-30

申请号：CN202310032978.5

申请日：2023-01-10

Applicant: 清华大学

Inventor： 李懋坤 ,  周虹宇 ,  郭睿 ,  杨帆 ,  许慎恒

IPC: G06F18/214 ,  G06N3/04 ,  G06N3/08 ,  G01V3/08

Abstract: 本发明公开了基于子区域编码的深度学习大地电磁数据反演方法与装置，该方法包括：将大地电磁数据的反演区域划分为多个编码子区域；根据多个编码子区域的先验信息构建训练数据集；利用训练数据集训练深度学习模型生成有先验区域的编码，并利用直接映射生成无先验区域的编码，以进行地电模型的重参数化得到重参数化结果；基于重参数化结果进行编码的优化，以实现大地电磁数据反演。本发明能够灵活地嵌入不同复杂度、确定度和空间范围的先验信息；能够根据先验信息的质量自适应地提升反演效果；能够强化特定区域或方向上的重建分辨率；训练集复杂度和训练计算量较低。

公开(公告)号：CN113807006B

公开(公告)日：2024-06-07

申请号：CN202110931837.8

申请日：2021-08-13

Applicant: 清华大学

Inventor： 李懋坤 ,  郭睿 ,  周虹宇 ,  杨帆 ,  许慎恒

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01V3/08

Abstract: 本申请提出一种基于深度学习的大地电磁数据静位移校正方法和装置，其中，方法包括：获取先验信息，根据先验信息构建训练集，获取训练集，根据训练集设计深度神经网络，构建训练深度神经网络的目标函数，通过优化算法最小化训练目标函数，得到训练后的深度神经网络，获取地表观测数据，将地表观测数据输入训练后的深度神经网络，得到静位移校正后的大地电磁数据。本发明能够综合利用各类先验知识，自动化数据处理流程，提升静位移校正的准确度和精度。

公开(公告)号：CN113807006A

公开(公告)日：2021-12-17

申请号：CN202110931837.8

申请日：2021-08-13

Applicant: 清华大学

Inventor： 李懋坤 ,  郭睿 ,  周虹宇 ,  杨帆 ,  许慎恒

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01V3/08

Abstract: 本申请提出一种基于深度学习的大地电磁数据静位移校正方法和装置，其中，方法包括：获取先验信息，根据先验信息构建训练集，获取训练集，根据训练集设计深度神经网络，构建训练深度神经网络的目标函数，通过优化算法最小化训练目标函数，得到训练后的深度神经网络，获取地表观测数据，将地表观测数据输入训练后的深度神经网络，得到静位移校正后的大地电磁数据。本发明能够综合利用各类先验知识，自动化数据处理流程，提升静位移校正的准确度和精度。