-
公开(公告)号：CN113296150B
公开(公告)日：2022-06-10
申请号：CN202110752889.9
申请日：2021-07-02
Applicant: 清华大学
Abstract: 本发明公开了属于地球物理技术领域的一种测井约束下的高维闭环网络地震反演方法。该方法具体包括如下步骤：步骤1：搭建卷积神经网络；包括一个正演网络和一个反演网络；步骤2：准备训练数据；包括测井波阻抗数据、插值波阻抗数据和合成地震数据；步骤3：训练网络并进行微调：对正演网络和反演网络进行训练，然后将一维的测井数据应用到二维模型和三维模型上，并进行微调；步骤4：预测及评估：首先对地震数据进行反演；然后对反演结果进行正演得到重构地震数据；最后使用该重构地震数据对反演结果的有效性进行评估。本方法无需额外收集输入和参考图像，能够保证良好的横向连续性，精度高于传统及其他深度学习反演方法。
-
公开(公告)号：CN113842134A
公开(公告)日：2021-12-28
申请号：CN202111321860.1
申请日：2021-11-09
Applicant: 清华大学
Abstract: 本发明提出了一种基于双路人工神经网络的双序列加速核磁成像优化方法，使用核磁成像设备收集T1FLIR和T2FSE两个序列的核磁数据人脑部核磁数据，构建数据集；构建双路的级联网络结构，每一路分支共包含了4级子网络，每一级子网络的输入为上一级两个子网络的输出，每个子网络包含一个核心的U型网络，并且添加了一致性约束。网络训练时联合优化网络参数和K空间采样的方式，实现双序列图像的采样方式优化和双序列图像的同时重构。本发明方法对网络参数和K空间采样方式进行联合优化，通过不同序列图像采样信息的互补，实现了更高质量的图像重构，相比以往的加速核磁共振成像方法，较大程度的提高了加速核磁共振成像的图像重建质量和加速倍数。
-
公开(公告)号：CN111273350B
公开(公告)日：2021-09-24
申请号：CN202010161378.5
申请日：2020-03-10
Applicant: 清华大学
Inventor： 陆文凯
IPC: G01V1/30
Abstract: 本发明提出了一种基于独立成分分析的薄互层地震切片分离方法，包括以下步骤：对薄互层3D地震数据的地震切片进行稀疏化变换；将从地震切片中提取砂体切片问题建模为图像盲分离问题，利用稀疏变换后的地震地震切片估计分离矩阵；估计砂体切片及对应的复合反射信号进行。利用本发明的方法能够自动分离出所有砂体切片，不受砂体层数的限制，提高了薄互层地震切片的分析精度和效率。
-
公开(公告)号：CN111308556B
公开(公告)日：2021-04-13
申请号：CN202010186494.2
申请日：2020-03-17
Applicant: 清华大学
Abstract: 本发明公开了一种基于分频约束的快速鲁棒曲波域多次波相减技术，所述技术包括以下步骤：步骤1：多次波模型基于能量占比的频带划分；步骤2：分频曲波域约束的加权L1范数收缩阈值算法。本发明利用曲波域迭代，避免多次曲波变换，加速传统曲波域多次波相减技术；引入分频约束，改进传统曲波变换非自适应频率分解，提升一次波和多次波在曲波域的分离效果，使曲波域多次波相减更加鲁棒。
-
公开(公告)号：CN111308554B
公开(公告)日：2021-03-16
申请号：CN202010161115.4
申请日：2020-03-10
Applicant: 清华大学
Inventor： 陆文凯
IPC: G01V1/36
Abstract: 本发明提出一种基于多次波生成层自适应提取的层间多次波预测方法，在Tau‑p域利用Hung和Wang方法进行层间多次波预测。在层间多次波预测过程中，通过对数据的包络进行时变阈值分割，实现多次波生成层的快速自适应提取，并计算局部窗口的预测多次波和实际数据的归一化互相关系数，实现对由不同多次波生成层预测得到的层间多次波的加权叠加，提高了层间多次波预测精度。本发明的方法既不用分离多次波生成层，又可以有效减少在时空域预测层间多次波时存在的假象，并通过压缩数据大小来提高计算效率。
-
Patent Agency Ranking
公开(公告)号：CN111308553B
公开(公告)日：2021-02-02
申请号：CN202010159543.3
申请日：2020-03-09
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度神经网络的自适应异常振幅压制技术，所述技术包括以下步骤：步骤1：利用深度神经网络提取异常振幅的位置信息和宽度信息；步骤2：利用步骤一提取的数据自适应地设计异常振幅区域的异常振幅衰减算法的参数。本发明利用深度神经网络的方法，使用网络来确定异常振幅的位置信息和宽度信息。然后再将这些信息用于后续的AAA去噪的过程中，从而使得AAA算法能够自适应地作用于不同的异常振幅，更好地压制噪声和保留有效信号。
-
公开(公告)号：CN111856561A
公开(公告)日：2020-10-30
申请号：CN202010739963.9
申请日：2020-07-28
Applicant: 清华大学
Abstract: 本发明涉及一种基于深度学习的高精度地震构造曲率体计算方法，本发明提供了一种使用深度学习技术进行高精度构造曲率计算模型的方法。该方法一方面结合井数据和地表DEM数据，使用合适的方法进行人工合成样本，提供大量具有准确高精度构造曲率标签的学习样本；另一方面借助于所设计的SeisCvtNet网络和Geometric损失函数，直接建立从地震波形响应(包括波形实部Wreal和波形虚部Wimag)到高精度构造曲率(最大正曲率Cpos和最小负曲率体Cneg)的端到端映射模型，并据此对实际地震数据体的构造曲率进行准确计算。
-
公开(公告)号：CN111308556A
公开(公告)日：2020-06-19
申请号：CN202010186494.2
申请日：2020-03-17
Applicant: 清华大学
Abstract: 本发明公开了一种基于分频约束的快速鲁棒曲波域多次波相减技术，所述技术包括以下步骤：步骤1：多次波模型基于能量占比的频带划分；步骤2：分频曲波域约束的加权L1范数收缩阈值算法。本发明利用曲波域迭代，避免多次曲波变换，加速传统曲波域多次波相减技术；引入分频约束，改进传统曲波变换非自适应频率分解，提升一次波和多次波在曲波域的分离效果，使曲波域多次波相减更加鲁棒。
-
公开(公告)号：CN111308553A
公开(公告)日：2020-06-19
申请号：CN202010159543.3
申请日：2020-03-09
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度神经网络的自适应异常振幅压制技术，所述技术包括以下步骤：步骤1：利用深度神经网络提取异常振幅的位置信息和宽度信息；步骤2：利用步骤一提取的数据自适应地设计异常振幅区域的异常振幅衰减算法的参数。本发明利用深度神经网络的方法，使用网络来确定异常振幅的位置信息和宽度信息。然后再将这些信息用于后续的AAA去噪的过程中，从而使得AAA算法能够自适应地作用于不同的异常振幅，更好地压制噪声和保留有效信号。
-
公开(公告)号：CN109031415A
公开(公告)日：2018-12-18
申请号：CN201810634656.7
申请日：2018-06-20
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度卷积神经网络的可控震源数据振铃压制方法，其特征在于，所述振铃压制方法包括以下步骤：步骤1：首先从实际地震数据中提取地震子波，并合成伪反射系数，将地震子波与伪反射系数进行卷积，得到合成地震数据；步骤2：将伪反射系数作为要拟合的输出，合成地震数据作为输入，对深度卷积神经网络进行训练；步骤3：将实际地震数据输入已训练好的网络中，在输出端得到振铃压制后的结果。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.023 seconds)
