-
公开(公告)号：CN111368710B
公开(公告)日：2022-03-04
申请号：CN202010134754.1
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种联合深度学习的地震数据随机噪声压制方法，该方法的步骤为1、训练数据集预处理；2、样本标签准备；3、设计联合学习模型G的网络结构；4、设计损失函数；5、训练并保存网络模型；6、测试网络模型性能。通过波原子变换对地震数据波前纹理特征进行有效地稀疏表示，获取波原子域地震数据的纹理特征；将含噪声地震数据作为输入，波原子域数据和实际不含噪声数据的特征作为标签，构建空间域与波原子域联合深度学习网络结构。通过联合学习的方案解决地震数据特征提取不充分的问题，提高噪声压制效果。将空间域和波原子域的特征相结合，利用空间域与波原子域联合深度学习技术去除地震数据随机噪声。
-
公开(公告)号：CN111368680B
公开(公告)日：2022-03-15
申请号：CN202010122492.7
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种基于波原子变换的深度学习抗假频地震数据规则化方法，该方法的步骤为1、训练数据集准备；2、波原子域样本标签准备；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、地震数据规则化测试。根据地震数据在波原子域的良好分布特征，建立空间域和波原子域联合学习深度卷积神经网络模型，结合空间域和波原子域的特征对地震数据进行规则化，模型的训练评判指标采用空间域、波原子域误差以及f‑k域误差联合约束规则化误差，反馈调整网络参数，提高地震数据规则化网络模型的精度与泛化能力。
-
公开(公告)号：CN111368680A
公开(公告)日：2020-07-03
申请号：CN202010122492.7
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种基于波原子变换的深度学习抗假频地震数据规则化方法，该方法的步骤为1、训练数据集准备；2、波原子域样本标签准备；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、地震数据规则化测试。根据地震数据在波原子域的良好分布特征，建立空间域和波原子域联合学习深度卷积神经网络模型，结合空间域和波原子域的特征对地震数据进行规则化，模型的训练评判指标采用空间域、波原子域误差以及f-k域误差联合约束规则化误差，反馈调整网络参数，提高地震数据规则化网络模型的精度与泛化能力。
-
公开(公告)号：CN111368710A
公开(公告)日：2020-07-03
申请号：CN202010134754.1
申请日：2020-02-27
Applicant: 东北石油大学
Abstract: 本发明属于地球科学技术领域，具体涉及一种联合深度学习的地震数据随机噪声压制方法，该方法的步骤为1、训练数据集预处理；2、样本标签准备；3、设计联合学习模型G的网络结构；4、设计损失函数；5、训练并保存网络模型；6、测试网络模型性能。通过波原子变换对地震数据波前纹理特征进行有效地稀疏表示，获取波原子域地震数据的纹理特征；将含噪声地震数据作为输入，波原子域数据和实际不含噪声数据的特征作为标签，构建空间域与波原子域联合深度学习网络结构。通过联合学习的方案解决地震数据特征提取不充分的问题，提高噪声压制效果。将空间域和波原子域的特征相结合，利用空间域与波原子域联合深度学习技术去除地震数据随机噪声。
-
-
-
Search Results
4
records
(took 0.022 seconds)
