-
公开(公告)号：CN117031539A
公开(公告)日：2023-11-10
申请号：CN202310926893.1
申请日：2023-07-26
申请人： 西安交通大学
IPC分类号： G01V1/28
摘要： 本发明公开了一种自监督深度学习地震数据低频重建方法及系统，从观测地震数据中提取不同频段的多源信息，经过预处理后构造网络训练数据集；基于Pytorch平台搭建双通道U‑Net网络，设计自监督学习任务对网络进行训练；最后，将缺失低频数据的地震数据重新采样能量均衡处理后输入训练好的网络中，进而重建地震数据的低频信息。本发明能够从中高频地震数据重建缺失的低频地震数据信息，由于相比于高频数据，低频数据对周波跳跃问题更不敏感，因此所提出的方法能够克服周波跳跃问题，能够为传统全波形反演提供良好的数据基础，从而进一步提升最终速度模型反演准确度。
-
公开(公告)号：CN116047588A
公开(公告)日：2023-05-02
申请号：CN202310034534.5
申请日：2023-01-10
申请人： 西安交通大学
摘要： 本发明公开了一种基于时空神经网络的非平稳地震资料衰减补偿方法及系统，将估计的浅层地震子波和实际测井反射系数序列通过褶积模型合成测井位置处的地震记录道；基于非平稳地震记录与得到的测井位置处的合成地震记录道，构建考虑地震记录时空特性的数据集；针对非平稳地震资料衰减补偿设计时空神经网络结构；基于构造的数据集对建立的时空神经网络结构进行网络训练，确定时空神经网络的最优参数集；基于训练好的时空神经网络结构及最优参数集，将非平稳地震道映射为平稳地震道，得到网络估计的二维平稳地震数据。本发明考虑了地震数据的时空结构特性，通过训练时空神经网络，实现非平稳地震资料的衰减补偿，从而提高深层地震资料的纵向分辨率。
-
公开(公告)号：CN113740903A
公开(公告)日：2021-12-03
申请号：CN202110998575.7
申请日：2021-08-27
申请人： 西安交通大学
摘要： 本发明公开了一种数据与智能优化双驱动的深度学习地震波阻抗反演方法，利用全局优化方法对一部分叠后地震数据进行波阻抗反演，并用反演所得数据预训练深度学习网络学习由地震数据到波阻抗的映射关系；利用预训练好的网络引导全局优化方法反演另一部分地震数据的波阻抗数据，加速其收敛到最优解，并用获取的最优解对深度学习网络进行优调；用优调后的深度学习网络，高效实现大规模三维地震数据的波阻抗模型反演。本发明极大地提升了波阻抗模型的反演效率，在计算成本可承担的情况下，实现了使全局优化方法在大规模波阻抗反演问题中的应用成为可能这一巨大突破。
-
公开(公告)号：CN113740903B
公开(公告)日：2022-12-09
申请号：CN202110998575.7
申请日：2021-08-27
申请人： 西安交通大学
摘要： 本发明公开了一种数据与智能优化双驱动的深度学习地震波阻抗反演方法，利用全局优化方法对一部分叠后地震数据进行波阻抗反演，并用反演所得数据预训练深度学习网络学习由地震数据到波阻抗的映射关系；利用预训练好的网络引导全局优化方法反演另一部分地震数据的波阻抗数据，加速其收敛到最优解，并用获取的最优解对深度学习网络进行优调；用优调后的深度学习网络，高效实现大规模三维地震数据的波阻抗模型反演。本发明极大地提升了波阻抗模型的反演效率，在计算成本可承担的情况下，实现了使全局优化方法在大规模波阻抗反演问题中的应用成为可能这一巨大突破。
-
-
-
搜索结果
4 条记录 (耗时 0.023 秒)
