-
公开(公告)号：CN114924312A
公开(公告)日：2022-08-19
申请号：CN202210511250.6
申请日：2022-05-10
Applicant: 吉林大学
Abstract: 本发明公开了一种基于波前初始化射线追踪技术的高斯波束偏移方法及装置，包括输入叠前炮集地震数据及速度模型；对于单炮地震数据，根据炮点位置，在速度模型中采用波前初始化射线追踪技术进行射线追踪，并围绕每一条射线构建高斯波束；将单炮地震数据划分到一系列重叠的高斯窗中；根据来自高斯窗中心位置处射线的初始水平慢度分量在tau‑p版上通过线性插值获得其所对应的地震数据信息；在成像点处根据来自炮点和高斯窗中心位置处的高斯波束的走时和振幅，基于上述在tau‑p版上获得的地震数据信息，利用修改的高斯波束偏移成像公式进行成像。本发明的方法不仅能够获得更好的盐下照明效果，且对计算效率的影响也更小。
-
公开(公告)号：CN114528927A
公开(公告)日：2022-05-24
申请号：CN202210127691.6
申请日：2022-02-11
Applicant: 吉林大学
Abstract: 本发明为一种自编码网络的航磁干扰补偿方法及自编码网络的构建方法，将系数矩阵作为自编码网络的输入，利用自编码网络得到的编码器的特征作为新的系数矩阵FD；利用得到的新系数矩阵FD计算系数CNew，采用最小二乘计算补偿磁干扰，不需要获取系数矩阵的特征作为训练标签便能实现特征提取。将编码器的中间层神经元节点数设置小于输入层神经元节点数，这种特殊结构可以压缩系数矩阵的表示并提取数据特征，从而削弱系数矩阵变量之间的相关性。将T‑L方程的系数矩阵作为输入，此外为了适应数据，选择了性能更好的双曲正切激活函数以及更鲁棒的Huber损失函数，能有效降低网络对异常值的敏感性。网络中间层获取的特征之间的相关性将大大降低。
-
公开(公告)号：CN113504568A
公开(公告)日：2021-10-15
申请号：CN202110780340.0
申请日：2021-07-09
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明提供一种基于小生境差分进化算法的中值滤波方法，其特征在于，包括步骤：将待处理数据划分到一系列重叠的时空窗中；获取单个所述时空窗中的同相轴能量曲线，根据所述同相轴能量曲线的局部极大值获得同相轴位置；在所述同相轴位置处，通过所述小生境差分进化算法获得同相轴倾角及其相干值；根据所述同相轴倾角及其相干值筛选所述同相轴倾角；沿着筛选出的倾角依次进行中值滤波。本发明能同时获得所有交叉同相轴倾角的能力和真三维的特性使其能够获得更好的滤波效果。
-
公开(公告)号：CN109471190B
公开(公告)日：2019-10-22
申请号：CN201811336847.1
申请日：2018-11-12
Applicant: 吉林大学
IPC: G01V7/00
Abstract: 一种不同高度重力数据和井中重力数据联合反演的方法，由于不同高度观测面的重力数据包含的波场信息不同，该方法通过延拓技术得到不同高度的重力数据，将延拓数据与观测数据联合反演改善反演结果的多解性问题。当研究区只有地面观测重力数据时，下延数据与地面测量数据联合反演能够提高反演结果分辨率；当研究区只有航空重力数据时，将航空重力数据下延到地面或地面以下合适平面，下延数据与航空重力数据联合反演也能够提高反演结果分辨率；反演过程中加入井中重力、密度数据做约束，能够进一步提高反演结果的垂直分辨率。本发明改进的深度加权函数具有更强的针对性和灵活性，应用在以上联合反演方法中更容易获得理想的反演效果。
-
公开(公告)号：CN114527514B
公开(公告)日：2024-08-23
申请号：CN202210184089.6
申请日：2022-02-25
Applicant: 吉林大学
IPC: G01V3/38 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/084
Abstract: 本发明属于航磁干扰补偿领域，为一种基于模型压缩和加速的神经网络实时航磁补偿方法，包括初始化两个网络结构一致的神经网络P和神经网络A；利用额外的一次FOM飞行规定的补偿飞行数据C训练神经网络P，得到训练好的TW权重；以训练好的TW权重替换神经网络A中的初始化权重；利用飞行数据A训练替换好权重的神经网络A，得到训练好的OW权重；将训练好的神经网络A进行剪枝处理降低计算资源需求，得到最终所需要的神经网络；将需要补偿的数据的16项系数方程作为最终所需要的神经网络的输入，磁干扰作为输出输入。本发明可以降低神经网络的计算量，在低算力设备上提高训练速度，实现低载荷的小型无人机上实时处理航磁数据。
-
Patent Agency Ranking
公开(公告)号：CN117031565A
公开(公告)日：2023-11-10
申请号：CN202310923708.3
申请日：2023-07-26
Applicant: 吉林大学
Abstract: 本发明属于航空磁力探测领域，具体地讲为一种基于自适应建模的航磁补偿方法，包括：获得校准飞行四个航向的数据集；计算T‑L方程各变量的VIF值，反复排除最大VIF的变量，直到剩余变量之间的多重共线性均小于设定的阈值；对剩余变量进行t检验，反复剔除显著性小的变量；获得最后分配的变量所构建的四个航向模型；计算四个航向模型所对应的四组补偿系数；自动分配补偿飞行四个航向数据集所对应的航向模型和补偿系数；根据所对应的航向模型和补偿系数进行磁干扰补偿，获得补偿后的磁干扰。本发明根据不同航向的变量数据特征，对每个航向自适应地分配模型变量，优化和改进补偿模型，解决多重共线性导致的模型病态问题。
-
公开(公告)号：CN116720569A
公开(公告)日：2023-09-08
申请号：CN202310350911.6
申请日：2023-04-04
Applicant: 吉林大学
IPC: G06N3/084 , G06N3/048 , G06F18/10 , G06F18/214 , G01V3/08
Abstract: 本发明为一种基于残差神经网络的航磁补偿方法。包括：根据T‑L方程数学模型和干扰产生原因，确定残差神经网络的输入指标因素和输出指标因素；对飞行数据进行滤波处理后计算方向余弦及其导数得到输入样本和输出样本，获得归一化的残差神经网络的训练样本和预测样本。训练样本载入残差神经网络，以输入样本为输入，输出样本为输出，训练得到补偿模型；预测样本载入补偿模型中进行补偿计算，并将补偿模型的输出数据做反归一化处理，获得补偿后的磁干扰；通过对比补偿前后磁干扰的标准差和改善比，来对补偿系统进行评价，并绘制补偿图像。有效地保留了反向传播过程中的梯度特性，在一定程度上缓解神经网络航磁补偿中的梯度消失问题，提高航磁补偿精度。
-
公开(公告)号：CN114924312B
公开(公告)日：2024-03-12
申请号：CN202210511250.6
申请日：2022-05-10
Applicant: 吉林大学
Abstract: 本发明公开了一种基于波前初始化射线追踪技术的高斯波束偏移方法及装置，包括输入叠前炮集地震数据及速度模型；对于单炮地震数据，根据炮点位置，在速度模型中采用波前初始化射线追踪技术进行射线追踪，并围绕每一条射线构建高斯波束；将单炮地震数据划分到一系列重叠的高斯窗中；根据来自高斯窗中心位置处射线的初始水平慢度分量在tau‑p版上通过线性插值获得其所对应的地震数据信息；在成像点处根据来自炮点和高斯窗中心位置处的高斯波束的走时和振幅，基于上述在tau‑p版上获得的地震数据信息，利用修改的高斯波束偏移成像公式进行成像。本发明的方法不仅能够获得更好的盐下照明效果，且对计算效率的影响也更小。
-
公开(公告)号：CN113504568B
公开(公告)日：2022-09-09
申请号：CN202110780340.0
申请日：2021-07-09
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明提供一种基于小生境差分进化算法的中值滤波方法，其特征在于，包括步骤：将待处理数据划分到一系列重叠的时空窗中；获取单个所述时空窗中的同相轴能量曲线，根据所述同相轴能量曲线的局部极大值获得同相轴位置；在所述同相轴位置处，通过所述小生境差分进化算法获得同相轴倾角及其相干值；根据所述同相轴倾角及其相干值筛选所述同相轴倾角；沿着筛选出的倾角依次进行中值滤波。本发明能同时获得所有交叉同相轴倾角的能力和真三维的特性使其能够获得更好的滤波效果。
-
公开(公告)号：CN114781617A
公开(公告)日：2022-07-22
申请号：CN202210462301.0
申请日：2022-04-28
Applicant: 吉林大学
Abstract: 本发明属于航磁勘探领域，具体地而言为一种基于编码器优化的全连接神经网络航磁干扰补偿方法，该方法包括：将16项系数矩阵Xn×16作为深度神经网络的输入数据；所述深度神经网络包括编码器以及与编码器串联的全连接神经网络，所述编码器用于提取数据的特征，得到特征矩阵Fn×12；将特征矩阵Fn×12传入全连接神经网络，所诉全连接神经网络用于实现特征对磁干扰的拟合，得到预测的磁干扰；根据预测的磁干扰计算补偿后的标准差。本发明有效提高模型的抗干扰能力。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
