公开(公告)号：CN114065595A

公开(公告)日：2022-02-18

申请号：CN202111501938.8

申请日：2021-12-09

Applicant: 东北石油大学

Inventor： 张岩 ,  崔淋淇 ,  董宏丽 ,  宋利伟 ,  田枫 ,  李井辉 ,  赵建民 ,  周一帆

IPC: G06F30/23 ,  G06F30/27 ,  G01V1/36 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10 ,  G06F111/04

Abstract: 本发明涉及的是基于稀疏约束空‑频域联合学习的波场数值频散压制方法，它包括:训练数据集预处理；样本标签准备；卷积核稀疏化准备；设计联合学习模型G的网络结构；设计损失函数；训练并保存网络模型；测试网络模型性能。通过傅立叶变换将波场数据变换至频率域，获得频域波场的纹理特征；将用低价有限差分法对波动方程进行求解所得到的高频散波场数据作为输入，高阶有限差分法所得到的无频散的空域与频域特征作为标签；构建空间域与频率域联合深度学习网络结构；利用波场数据的稀疏性引入稀疏约束对卷积核进行稀疏化，本发明充分利用波场特征，有效压制数值频散问题，得到高精度、高质量的波场数据。

公开(公告)号：CN117075191A

公开(公告)日：2023-11-17

申请号：CN202310864206.8

申请日：2023-07-14

Applicant: 东北石油大学

Inventor： 张岩 ,  崔淋淇 ,  魏子心 ,  张一鸣 ,  张弛 ,  孟德聪

IPC: G01V1/28 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08 ,  G06F18/213 ,  G06F18/25 ,  G06F18/10

Abstract: 本发明属于地球科学与人工智能交叉领域，具体涉及一种基于卷积神经网络的微地震震源定位方法，1、训练数据集准备；2、样本标签准备；3、网络输入与标签设定；4、深度学习网络模型G结构设定；5、损失函数设定；6、网络模型训练；7：震源定位精度测试。利用卷积神经网络强大的函数拟合关系，将求解震源位置的反演问题转化为构建由微震数据到震源位置分布概率的映射问题。以U型结构网络为骨干特征提取网络，融合注意力机制与空间空洞多尺度池化模块，加强特征提取与融合过程，减轻噪声因素干扰的同时有效利用网络的高级语义信息，有较好的鲁棒性能，对速度模型误差、噪声干扰等因素不敏感，能够以较高的计算效率提供准确的震源位置。