公开(公告)号：CN117763971A

公开(公告)日：2024-03-26

申请号：CN202311831850.1

申请日：2023-12-28

Applicant: 吉林大学

Inventor： 赵鹏飞 ,  李洪丽 ,  田有

IPC: G06F30/27 ,  G06F111/08

Abstract: 本发明公开一种大地电磁数据处理方法、系统、电子设备及存储介质，涉及电磁数据处理技术领域。所述方法包括：获取开源数据；开源数据包括大地电磁时间序列及对应的标定结果，以及经开源平台上传的用户共享数据；标定结果包括由强至弱分别为I级、II级、III级、IV级和V级的噪声强度等级；利用开源数据和半监督学习方法，分别对生成模型和判别模型进行模型参数优化，得到训练好的模型；训练好的模型用于进行噪声识别；对训练好的模型输出的噪声识别结果进行对应算法处理，得到大地电磁时间序列的视电阻率曲线和相位曲线。本发明能够对大地电磁数据应用半监督学习，充分利用现有的数据资源，解决数据标注困难或代价较高的问题。

公开(公告)号：CN117787054A

公开(公告)日：2024-03-29

申请号：CN202311826374.4

申请日：2023-12-28

Applicant: 吉林大学

Inventor： 田有 ,  赵鹏飞 ,  李洪丽

IPC: G06F30/23 ,  G01V11/00 ,  G06F119/02

Abstract: 本发明提供一种地震走时与大地电磁测深联合反演方法，所述方法包括：获取反演数据；所述反演数据包括电阻率反演结果和速度反演结果；利用所述反演数据和地球物理观测数据对预训练模型进行迭代优化，并将优化训练好的预训练模型确定为联合反演模型；所述预训练模型包括相互连接的生成模型和判别模型；所述生成模型是根据变分自编码器构建的；根据所述联合反演模型进行联合反演，得到最终的电阻率模型和速度模型，并将所述最终的电阻率模型和速度模型共同作为联合反演结果。本发明可以避免有监督学习下，联合反演计算效率过高的问题，同时也使整个反演算法流程更见稳健。

公开(公告)号：CN112380198B

公开(公告)日：2022-06-21

申请号：CN202011184316.2

申请日：2020-10-29

Applicant: 吉林大学

Inventor： 田有 ,  李志强 ,  李洪丽 ,  刘财 ,  赵鹏飞

IPC: G06F16/215 ,  G06F16/29 ,  G06N3/08 ,  G06N3/04 ,  G06N3/12

Abstract: 本发明请求保护一种基于深度学习的地震接收函数自动挑选方法，搭建深度学习模型，借鉴LeNet5模型构建一维数据二分类CNN神经网络，并利用中国国家台网记录的波形数据计算提取的接收函数构建不同规模的训练集和测试集进行模型训练和验证，最终得到的模型用于接收函数的自动挑选。分别使用人工挑选的接收函数和自动挑选的接收函数对两个台站下方的地壳厚度、波速比以及方位各项异性进行计算，并对结果进行分析，证明了本方法的有效性。利用本发明提出的深度学习自动挑选接收函数方法具有较高的准确率和数据质量，所述自动挑选方法可以应用于震级较小的远震，有效地提高了观测数据的利用率，为后续的分析研究提供更好的约束。

公开(公告)号：CN112380198A

公开(公告)日：2021-02-19

申请号：CN202011184316.2

申请日：2020-10-29

Applicant: 吉林大学

Inventor： 田有 ,  李志强 ,  李洪丽 ,  刘财 ,  赵鹏飞

IPC: G06F16/215 ,  G06F16/29 ,  G06N3/08 ,  G06N3/04 ,  G06N3/12

Abstract: 本发明请求保护一种基于深度学习的地震接收函数自动挑选方法，搭建深度学习模型，借鉴LeNet5模型构建一维数据二分类CNN神经网络，并利用中国国家台网记录的波形数据计算提取的接收函数构建不同规模的训练集和测试集进行模型训练和验证，最终得到的模型用于接收函数的自动挑选。分别使用人工挑选的接收函数和自动挑选的接收函数对两个台站下方的地壳厚度、波速比以及方位各项异性进行计算，并对结果进行分析，证明了本方法的有效性。利用本发明提出的深度学习自动挑选接收函数方法具有较高的准确率和数据质量，所述自动挑选方法可以应用于震级较小的远震，有效地提高了观测数据的利用率，为后续的分析研究提供更好的约束。