-
公开(公告)号：CN114706128B
公开(公告)日：2025-04-11
申请号：CN202210278729.X
申请日：2022-03-21
Applicant: 东北石油大学
IPC: G01V1/36
Abstract: 一种微地震资料噪声压制方法及系统、存储介质和地震信息处理设备，属于微地震资料数据处理技术，为解决现有方法无法消除全部噪声而且还会损失有效信号的问题。技术要点：利用检波器对目标区块的微地震资料进行采集；将获得的微地震资料按比例划分训练集、验证集和测试集，将训练集数据输入到时间注意力机制互信息生成对抗网络模型中学习并输出微地震噪声压制预训练模型；将验证集数据输入到训练好的模型中，利用信噪比对模型参数进行验证，获得最优微地震噪声压制模型超参数组合；再利用测试集数据对最优超参数组合进行测试并获得最终微地震噪声压制模型；将现场微地震资料输入到最终微地震噪声压制模型中获得去噪后的微地震资料，实现微地震资料噪声压制。
-
公开(公告)号：CN114706128A
公开(公告)日：2022-07-05
申请号：CN202210278729.X
申请日：2022-03-21
Applicant: 东北石油大学
IPC: G01V1/36
Abstract: 一种微地震资料噪声压制方法及系统、存储介质和地震信息处理设备，属于微地震资料数据处理技术，为解决现有方法无法消除全部噪声而且还会损失有效信号的问题。技术要点：利用检波器对目标区块的微地震资料进行采集；将获得的微地震资料按比例划分训练集、验证集和测试集，将训练集数据输入到时间注意力机制互信息生成对抗网络模型中学习并输出微地震噪声压制预训练模型；将验证集数据输入到训练好的模型中，利用信噪比对模型参数进行验证，获得最优微地震噪声压制模型超参数组合；再利用测试集数据对最优超参数组合进行测试并获得最终微地震噪声压制模型；将现场微地震资料输入到最终微地震噪声压制模型中获得去噪后的微地震资料，实现微地震资料噪声压制。
-
公开(公告)号：CN118656728B
公开(公告)日：2025-05-16
申请号：CN202410717954.8
申请日：2024-06-04
Applicant: 东北石油大学
IPC: G06F18/2415 , G06F18/214 , G06N3/047 , G06N3/096 , F17D5/06
Abstract: 一种基于贝叶斯对抗攻击的天然气管道单源域迁移故障诊断方法及系统，属于机械故障检测与诊断技术领域。该方法的核心在于采用迁移学习技术解决现有深度推理模型在处理不同工况条件下的管道故障诊断任务时存在的泛化能力不足问题。主要步骤如下：基于贝叶斯网络构建了攻击样本生成器，旨在通过在输入样本中添加精巧设计的微小扰动，生成可以令推理模型做出错误决策的攻击样本，以便挖掘并分析推理模型的脆弱点；基于贝叶斯网络构建了域判别器，旨在通过与生成器之间的对抗学习，辅助生成隐蔽性强的攻击样本，即与原始样本几乎没有可见差异；基于贝叶斯网络构建了分类器，通过扩大攻击样本与推理模型原有决策边界的距离，约束推理模型网络参数的后验分布向攻击样本得分更高的方向调整，从而增强模型在面对不同域扰动时的适应性和鲁棒性。通过上述步骤，本发明有效解决了传统深度学习模型在不同工况下泛化能力差导致的漏报、误报风险提升问题。
-
公开(公告)号：CN118656728A
公开(公告)日：2024-09-17
申请号：CN202410717954.8
申请日：2024-06-04
Applicant: 东北石油大学
IPC: G06F18/2415 , G06F18/214 , G06N3/047 , G06N3/096 , F17D5/06
Abstract: 一种基于贝叶斯对抗攻击的天然气管道单源域迁移故障诊断方法及系统，属于机械故障检测与诊断技术领域。该方法的核心在于采用迁移学习技术解决现有深度推理模型在处理不同工况条件下的管道故障诊断任务时存在的泛化能力不足问题。主要步骤如下：基于贝叶斯网络构建了攻击样本生成器，旨在通过在输入样本中添加精巧设计的微小扰动，生成可以令推理模型做出错误决策的攻击样本，以便挖掘并分析推理模型的脆弱点；基于贝叶斯网络构建了域判别器，旨在通过与生成器之间的对抗学习，辅助生成隐蔽性强的攻击样本，即与原始样本几乎没有可见差异；基于贝叶斯网络构建了分类器，通过扩大攻击样本与推理模型原有决策边界的距离，约束推理模型网络参数的后验分布向攻击样本得分更高的方向调整，从而增强模型在面对不同域扰动时的适应性和鲁棒性。通过上述步骤，本发明有效解决了传统深度学习模型在不同工况下泛化能力差导致的漏报、误报风险提升问题。
-
-
-
Search Results
4
records
(took 0.02 seconds)
