-
公开(公告)号：CN114114397B
公开(公告)日：2023-04-18
申请号：CN202111337078.9
申请日：2021-11-12
Applicant: 电子科技大学
Abstract: 本发明公开一种基于深度张量神经网络的无监督地震数据去噪方法，应用于地震数据处理领域，针对现有技术存在的去噪性能低下的问题；本发明首先使用SURE替代MSE的代价函数将数据去噪转换为相应的无监督回归模型；之后，建立了一个SURE‑TCNN网络框架，遵循tNN框架和基于变换的t‑product，这是对传统tNN框架的t‑product的扩展；利用t‑product中的优点，基于张量的SURE‑TCNN可以拆分为单独的基于矩阵的SURE‑CNN，用于时频域中的每个正面或时间片，这样易于求解和更加具有吸引力；最后合成和真实的数据实验表明，与SOTA去噪方法相比，所提出的方法实现了优越的性能。
-
公开(公告)号：CN114418886A
公开(公告)日：2022-04-29
申请号：CN202210060290.3
申请日：2022-01-19
Applicant: 电子科技大学
Abstract: 本发明公开一种基于深度卷积自编码器的鲁棒性去噪方法，应用于地震图像去噪领域，针对现有技术存在的依赖于高质量、无噪声的地面真实地震数据，而在地震去噪任务中获取无噪声地震图像往往具有挑战性，甚至是不可行的问题；本发明改进RDCAE模型，利用鲁棒图像去噪的概念，用平滑的Welsch函数代替了经典DCAE中的均方误差(MSE)损失。在这方面，通过Welsch函数定义的抑制权值向下加权不稳定噪声。相比之下，通过将Welsch函数中的均方和总变差(TV)相结合来衰减随机噪声。随后，根据神经网络的BP算法推导RDCAE所需的训练过程。在合成的和真实的现场数据集上都进行了实现，实验结果表明了该方法的有效性。
-
公开(公告)号：CN113671571A
公开(公告)日：2021-11-19
申请号：CN202111060661.X
申请日：2021-09-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度自适应聚类的叠前地震数据反射模式分析方法，包括以下步骤：S1、对叠前地震数据进行预处理，将高维地震数据转换成二维矩阵数据集的形式；S2、训练深度自适应聚类网络；S3、利用训练好的深度自适应聚类网络对地震数据进行反射模式分析。本发明引入图像领域的自适应聚类网络，能够提高神经网络对地震数据中有效信息的提取能力，可以快速分类出大量地震反射模式数据，节省了宝贵的钻探资源，提高了钻探的效率，有效减少人为操作，对于地下油气藏的位置能够给出指导意见。
-
公开(公告)号：CN114418886B
公开(公告)日：2023-05-05
申请号：CN202210060290.3
申请日：2022-01-19
Applicant: 电子科技大学
IPC: G06T5/00 , G06N3/084 , G06N3/0455 , G06N3/0464 , G06V10/82
Abstract: 本发明公开一种基于深度卷积自编码器的鲁棒性去噪方法，应用于地震图像去噪领域，针对现有技术存在的依赖于高质量、无噪声的地面真实地震数据，而在地震去噪任务中获取无噪声地震图像往往具有挑战性，甚至是不可行的问题；本发明改进RDCAE模型，利用鲁棒图像去噪的概念，用平滑的Welsch函数代替了经典DCAE中的均方误差(MSE)损失。在这方面，通过Welsch函数定义的抑制权值向下加权不稳定噪声。相比之下，通过将Welsch函数中的均方和总变差(TV)相结合来衰减随机噪声。随后，根据神经网络的BP算法推导RDCAE所需的训练过程。在合成的和真实的现场数据集上都进行了实现，实验结果表明了该方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN113568048A
公开(公告)日：2021-10-29
申请号：CN202110859163.5
申请日：2021-07-28
Applicant: 电子科技大学
Abstract: 本发明公开一种基于Hessian矩阵的三维地震相干属性调节方法，应用于地震数据处理领域，针对现有的属性调节方法无法从含噪音的相干图像中提取所有有价值的解释特征的问题，本发明采用片状结构作为解释从断层到通道和管道等特征的建模工具，将属性的调节看作一个片状增强问题；在类片状结构的建模中，本发明提出了一种AMHSF滤波方法，从相干噪声图像中分离出类片状结构；作为AMHSF的关键和最核心的部分，本发明还提出了一种新的增强函数，作为对片状结构进行更大程度增强的基础，它完全不同于目前与血管增强相关的增强函数；实验结果表明，本发明的方法能有效地滤除相干图像中受强背景噪声和地层不连续性污染的所有有价值特征。
-
公开(公告)号：CN114662045B
公开(公告)日：2023-05-09
申请号：CN202210292980.1
申请日：2022-03-24
Applicant: 电子科技大学
Abstract: 本发明公开一种基于框架集的p阶张量深度学习的多维地震数据去噪方法，应用于地震数据去噪领域，针对现有技术在处理高维地震数据时，缺乏平坦化操作的情况下，明显无法捕捉到完整的图像结构的问题，本发明首先，利用框架优于傅里叶变换的优势，将傅里叶替换为框架并给出了要触发的p阶张量‑张量积(t‑product)的新定义；然后，通过重新定义p阶张量积，p阶tNN框架将标准张量积的tNN直接扩展到M‑D地震去噪；利用框架域中矩阵乘法可以计算p阶张量积的特点，通过一组变换后的矩阵片DL来求解FPTNN中的最优加权参数。
-
公开(公告)号：CN113568048B
公开(公告)日：2022-08-26
申请号：CN202110859163.5
申请日：2021-07-28
Applicant: 电子科技大学
Abstract: 本发明公开一种基于Hessian矩阵的三维地震相干属性调节方法，应用于地震数据处理领域，针对现有的属性调节方法无法从含噪音的相干图像中提取所有有价值的解释特征的问题，本发明采用片状结构作为解释从断层到通道和管道等特征的建模工具，将属性的调节看作一个片状增强问题；在类片状结构的建模中，本发明提出了一种AMHSF滤波方法，从相干噪声图像中分离出类片状结构；作为AMHSF的关键和最核心的部分，本发明还提出了一种新的增强函数，作为对片状结构进行更大程度增强的基础，它完全不同于目前与血管增强相关的增强函数；实验结果表明，本发明的方法能有效地滤除相干图像中受强背景噪声和地层不连续性污染的所有有价值特征。
-
公开(公告)号：CN114662045A
公开(公告)日：2022-06-24
申请号：CN202210292980.1
申请日：2022-03-24
Applicant: 电子科技大学
Abstract: 本发明公开一种基于框架集的p阶张量深度学习的多维地震数据去噪方法，应用于地震数据去噪领域，针对现有技术在处理高维地震数据时，缺乏平坦化操作的情况下，明显无法捕捉到完整的图像结构的问题，本发明首先，利用框架优于傅里叶变换的优势，将傅里叶替换为框架并给出了要触发的p阶张量‑张量积(t‑product)的新定义；然后，通过重新定义p阶张量积，p阶tNN框架将标准张量积的tNN直接扩展到M‑D地震去噪；利用框架域中矩阵乘法可以计算p阶张量积的特点，通过一组变换后的矩阵片DL来求解FPTNN中的最优加权参数。
-
公开(公告)号：CN114114397A
公开(公告)日：2022-03-01
申请号：CN202111337078.9
申请日：2021-11-12
Applicant: 电子科技大学
Abstract: 本发明公开一种基于深度张量神经网络的无监督地震数据去噪方法，应用于地震数据处理领域，针对现有技术存在的去噪性能低下的问题；本发明首先使用SURE替代MSE的代价函数将数据去噪转换为相应的无监督回归模型；之后，建立了一个SURE‑TCNN网络框架，遵循tNN框架和基于变换的t‑product，这是对传统tNN框架的t‑product的扩展；利用t‑product中的优点，基于张量的SURE‑TCNN可以拆分为单独的基于矩阵的SURE‑CNN，用于时频域中的每个正面或时间片，这样易于求解和更加具有吸引力；最后合成和真实的数据实验表明，与SOTA去噪方法相比，所提出的方法实现了优越的性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
