公开(公告)号：CN118859317A

公开(公告)日：2024-10-29

申请号：CN202410767622.0

申请日：2024-06-14

Applicant: 吉林大学

Inventor： 佟训乾 ,  丛正 ,  董士琦 ,  钟铁 ,  董新桐

IPC: G01V1/30 ,  G01V1/34 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明涉及一种基于Transformer地震勘探数据低频延拓方法，包括设计神经网络训练的输入和输出数据尺寸；训练集的构建；测试集的构建；设计多头自注意力模块；设计Transformer模块；设计窗口Transformer模块和滑动窗口Transformer模块；设计整体网络结构；设置网络训练超参数；将训练数据输入网络进行训练；验证提出方法的低频延拓效果和泛化性。本发明使用Transformer模型对数据进行全局建模来拟合缺失低频分量数据和低频数据之间的映射关系，该方法提高了对全局信息的利用，增加了预测精度。窗口自注意力机制的使用有效节省了计算成本，使该方法在计算效率上也优于经典深度学习方法。

公开(公告)号：CN117631028A

公开(公告)日：2024-03-01

申请号：CN202311618562.8

申请日：2023-11-30

Applicant: 吉林大学

Inventor： 董新桐 ,  董士琦 ,  钟铁 ,  王新旸 ,  丛正 ,  程明 ,  王洪洲

IPC: G01V1/28 ,  G01V1/24 ,  G01V1/30

Abstract: 本发明涉及一种多尺度全局信息融合神经网络地震数据低频重构方法，解决了对于任一复杂实际地震记录的准确低频重构、提高全波形反演的收敛性的问题。本方法融入了分网格局部共享模块和非局部注意力模块的多尺度编解码结构的神经网络，在有效提取输入数据局部特征的同时，充分考虑了低频信号这种长波长时序信号的全局信息相关性，且突出强调了全局信息对于低频重构的重要性，并结合在公开标准地层速度模型上获取的模拟地震数据训练集，自动学习缺失低频地震数据与其相应的低频数据之间的非线性映射关系，实现地震数据频带从高频到低频的智能外推，准确获取携带了地下介质真实长波长信息的低频数据，有效全波形反演速度建模的准确性。