-
公开(公告)号：CN116224440A
公开(公告)日：2023-06-06
申请号：CN202211676166.6
申请日：2022-12-26
Applicant: 吉林大学
Abstract: 本发明涉及海洋可控震源信号处理技术领域，涉及一种二次扫频移动海洋可控震源多普勒频移校正方法，在频率‑波数域对多普勒频移进行校正，并在半径‑斜率域对校正后产生的假频进行去除。包括：正演模拟船速为10m/s时信号发生偏移的反射波；将数据变换到频率‑波数域，计算每个网格点的滤波器值；将滤波后的数据从频率‑波数域变换到半径‑斜率域设计选择函数，去除假频后变换回频率‑波数域；从频率‑波数域变换到时域，得到校正结果。解决在海洋拖缆地震数据采集中，可控震源随着拖缆持续运动，即使在相对较慢的采集速度下，多普勒频移也会导致地震数据失真，影响地震数据处理的可靠性的问题。能够消除多普勒相位失真并处理假频问题。
-
公开(公告)号：CN113156513A
公开(公告)日：2021-07-23
申请号：CN202110400097.5
申请日：2021-04-14
Applicant: 吉林大学
Abstract: 本发明提供一种基于注意力引导的卷积神经网络地震信号去噪方法，包括：采用雷克子波合成地震记录中的有效信号；对合成的地震数据集进行预处理，构建一个包含噪声集和信号集的训练数据集；将训练数据输入到一个由稀疏块(SB)、特征增强块(FEB)、注意力块(AB)、重建块(RB)四个模块构成的ADNet网络模型进行训练，待训练完成后，使用ADNet网络压制地震信号的噪声。本发明提出的去噪方法，可以对地震信号中的噪声进行压制，保留了细节信息，处理效果较好。
-
公开(公告)号：CN114139579A
公开(公告)日：2022-03-04
申请号：CN202111402338.6
申请日：2021-11-23
Applicant: 吉林大学
Abstract: 本发明属于微地震检测领域，具体地而言为一种基于方差分形的深度学习微地震事件检测方法，包括：采用雷克子波合成地震记录中的有效信号；截取，构建一个包含噪声集和信号集的数据集；计算每个信号样本及噪声样本的方差分形维数，将计算过方差分形维数的噪声集及信号集输入到一个由卷积层、激励层、Dropout层、全连接层的一维卷积神经网络中进行训练，待训练完成后，保存模型，将待检测的数据计算整体的方差分形维数，通过在待检测的方差分形维数的数据上滑窗得到很多个样本，输入到保存的模型中得到检测结果。
-
Patent Agency Ranking
公开(公告)号：CN114139579B
公开(公告)日：2024-04-30
申请号：CN202111402338.6
申请日：2021-11-23
Applicant: 吉林大学
IPC: G06F18/2415 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/06 , G06F17/18 , G01V1/28
Abstract: 本发明属于微地震检测领域，具体地而言为一种基于方差分形的深度学习微地震事件检测方法，包括：采用雷克子波合成地震记录中的有效信号；截取，构建一个包含噪声集和信号集的数据集；计算每个信号样本及噪声样本的方差分形维数，将计算过方差分形维数的噪声集及信号集输入到一个由卷积层、激励层、Dropout层、全连接层的一维卷积神经网络中进行训练，待训练完成后，保存模型，将待检测的数据计算整体的方差分形维数，通过在待检测的方差分形维数的数据上滑窗得到很多个样本，输入到保存的模型中得到检测结果。
-
公开(公告)号：CN119148207A
公开(公告)日：2024-12-17
申请号：CN202411649209.0
申请日：2024-11-19
Applicant: 吉林大学
IPC: G01V1/28
Abstract: 本发明属于地震勘探领域，特别涉及一种基于改进成像条件的微地震逆时定位方法，包括：构建速度模型，并进行网格化处理；将波场数据根据检波器的位置加载至速度模型中对应的网格点形成检波点；将检波点划分为N组，每组检波点数量一致，对每个组内的波场数据同时进行逆时延拓，在逆时延拓过程中，对逆时延拓得到的波场振幅值的平方沿时间轴进行叠加，得到初始定位剖面；对每组初始定位剖面的波场执行分组互相关运算；将分组互相关运算后的波场进行自相关处理，得到震源定位的精确定位剖面。解决现有震源逆时定位中常规成像条件存在的定位准确性低，成像质量差以及计算成本高的问题，实现更精确的震源定位，同时降低误差和假象的风险。
-
公开(公告)号：CN113156513B
公开(公告)日：2024-01-30
申请号：CN202110400097.5
申请日：2021-04-14
Applicant: 吉林大学
IPC: G01V1/36 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于注意力引导的卷积神经网络地震信号去噪方法，包括：采用雷克子波合成地震记录中的有效信号；对合成的地震数据集进行预处理，构建一个包含噪声集和信号集的训练数据集；将训练数据输入到一个由稀疏块(SB)、特征增强块(FEB)、注意力块(AB)、重建块(RB)四个模块构成的ADNet网络模型进行训练，待训练完成后，使用ADNet网络压制地震信号的噪声。本发明提出的去噪方法，可以对地震信号中的噪声进行压制，保留了细节信息，处理效果较好。
-
公开(公告)号：CN116148927A
公开(公告)日：2023-05-23
申请号：CN202310018344.4
申请日：2023-01-06
Applicant: 吉林大学
Abstract: 本发明提供一种基于频率‑波数域的海洋可控震源有效校正插值方法，主要解决了现有技术下海洋移动可控震源数据的多普勒效应与校正过程中数据空间采样率不足的问题。构造包含采样算子、掩蔽算子、卷积校正算子、以及将地震数据映射到基函数的字典的目标函数，在稀疏反演的框架下利用快速阈值迭代算法对不同类型扫频信号的海洋移动可控震源数据进行插值与校正。本发明提出的方法，可以在多普勒效应校正过程中弥补数据空间混叠的问题，为后续的结构成像精度提供了保证。另外，基于主倾角的能量扫描方法得到的隐蔽算子可以有效解决在重建阶段出现的规则插值引起的假频问题。最后，反演过程利用了实信号在傅里叶变换过程的共轭对称性，使得反演过程工作量大大降低。
-
公开(公告)号：CN117492074A
公开(公告)日：2024-02-02
申请号：CN202310040994.9
申请日：2023-01-12
Applicant: 吉林大学
Abstract: 本发明属于地震信号检测和估计领域，是一种基于密集连接与U型结构结合的地震震相自动识别方法，将一维的微地震信号保存成一张图像，按照图像标定信息，把图片中的目标物体用位置框框定以及标定类型，获得数据集，设计并训练用于地震震相拾取的一维神经网络模型，对数据集进行训练，得到一维神经网络模型，输入待检测的地震信号进行直观上的测试，根据所得测试结果得到地震发震时刻和位置。从而实现震相的准确识别和到时估计，以及获得了准确的地震事件位置和时间。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
