-
公开(公告)号：CN118759587A
公开(公告)日：2024-10-11
申请号：CN202411238156.3
申请日：2024-09-05
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明属于地震勘探技术领域，涉及一种面向城市复杂干扰环境的地震数据智能去噪方法，解决了现有方法无法对城市复杂环境下的地震数据进行有效地去噪处理，导致噪声与有效信号混叠、精确识别困难及噪声残留问题。本方法将采集的城市地震数据作为原始地震数据输入至噪声识别模块，噪声识别模块对原始地震数据进行识别后输出估计噪声，将原始地震数据与估计噪声同时输入到去噪模块；去噪模块对原始地震数据和估计噪声进行对比建模及监督学习，利用合成数据对去噪模型模块进行训练学习，获得训练后的去噪模型模块，原始城市地震数据经训练后的去噪模型模块输出去噪结果，实现有效去噪。该方法可自动完成地震数据去噪的任务，极大地节省了人力和物力。
-
公开(公告)号：CN118759587B
公开(公告)日：2024-12-03
申请号：CN202411238156.3
申请日：2024-09-05
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明属于地震勘探技术领域，涉及一种面向城市复杂干扰环境的地震数据智能去噪方法，解决了现有方法无法对城市复杂环境下的地震数据进行有效地去噪处理，导致噪声与有效信号混叠、精确识别困难及噪声残留问题。本方法将采集的城市地震数据作为原始地震数据输入至噪声识别模块，噪声识别模块对原始地震数据进行识别后输出估计噪声，将原始地震数据与估计噪声同时输入到去噪模块；去噪模块对原始地震数据和估计噪声进行对比建模及监督学习，利用合成数据对去噪模型模块进行训练学习，获得训练后的去噪模型模块，原始城市地震数据经训练后的去噪模型模块输出去噪结果，实现有效去噪。该方法可自动完成地震数据去噪的任务，极大地节省了人力和物力。
-
公开(公告)号：CN113609939A
公开(公告)日：2021-11-05
申请号：CN202110841682.9
申请日：2021-07-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于压缩观测的运动目标高效识别方法。为了同时解决在对运动目标进行识别时遇到的两个问题：辨识准确率低和计算效率低。首先，通过测量矩阵将原始震动信号线性投影到压缩域并获得压缩观测值；然后，依据震动信号在空间上的拓扑关系和时序相关性，设计用于提取压缩观测值非线性特征的深度神经网络，通过观测值与目标类别的准确映射，实现高时效性和高准确性的运动目标辨识方法。本发明的有益效果是：能够有效去除原始信号中的冗余数据、压制噪声干扰，具有高鲁棒性和抗干扰能力。
-
公开(公告)号：CN113593187A
公开(公告)日：2021-11-02
申请号：CN202110841686.7
申请日：2021-07-26
Applicant: 吉林大学
Abstract: 本发明公开了一种用于区域安防的地震动异常感知方法，包括：震动信号特征提取和辨识。首先，获取检测的时序信号；计算时序信号的容量维数序列值作为分形特征；采用线性支持向量机识别分形特征中有效信号成分的分形和噪声成分的分形；舍弃噪声成分的分形对应的噪声信号，得到有效成分的分形对应的有效信号。从而对实现连续的时序地震动信号准确定位异常事件发生的时间段和位置。本发明的有益效果是：通过本发明的技术方案，摆脱了传统方法对信号能量的依赖，可以有效提高异常事件检测的准确率，为敏感区域地下安防提供一种切实可行的新技术和新方法。
-
-
-
Search Results
4
records
(took 0.013 seconds)
