公开(公告)号：CN115859804A

公开(公告)日：2023-03-28

申请号：CN202211507392.1

申请日：2022-11-29

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 甘露 ,  吴庆举 ,  黄清华 ,  唐荣江

IPC: G06F30/27 ,  G06F18/22 ,  G06N3/08 ,  G06N3/0464 ,  G06F119/02

Abstract: 本发明属于地震信号处理技术领域，公开了一种地震接收函数质量评估方法，利用卷积神经网络来对接收函数的质量进行快速评估，该方法通过一次训练之后，能够在数秒的时间内完成大批量数据的挑选；针对前人利用卷积神经网络挑选接收函数中存在的通过人工挑选接收函数作为训练集导致最终的挑选出的数据中存在低信噪比的情况，且通过人为观察的方式难以对最终的挑选结果进行定量的评估的问题，本文引入信噪比和相似度的方法来以相对定量的判定接收函数质量的好坏，不仅能够在构建训练集的步骤中提高效率，还能够更加定量的评估预测结果，更重要的是，该方法的引入能够避免挑选的数据中存在低信噪比的情况，为接收函数的成像奠定坚实的基础。

公开(公告)号：CN115629413A

公开(公告)日：2023-01-20

申请号：CN202210976623.7

申请日：2022-08-15

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 甘露 ,  吴庆举 ,  黄清华 ,  唐荣江

IPC: G01V1/28

Abstract: 本发明提供了一种基于物理和数据驱动的接收函数反演方法，通过确定需要优化的模型参数，构建反演问题的目标函数；所述反演问题的目标函数包含数据拟合项、模型正则化项、以及联合数据驱动和物理驱动的耦合项；反演时，通过引入目标函数以及联合数据驱动和物理驱动的耦合项，执行迭代优化，确定反演模型。通过结合了最优化算法BFGS和深度学习算法UNet的优势，实现了更加鲁棒的接收函数反演，反演效果优于单一的物理驱动或者数据驱动反演，相比于接收函数线性化反演方法，不再依赖于初始模型，降低了反演解陷入局部极小的可能性；相比于深度学习反演方法，可以更好地拟合观测资料，更接近于真实反演解。

公开(公告)号：CN115453623A

公开(公告)日：2022-12-09

申请号：CN202211145748.1

申请日：2022-09-20

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 甘露 ,  吴庆举 ,  黄清华 ,  唐荣江

IPC: G01V1/28 ,  G01V1/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于UNet的接收函数与面波频散联合反演方法，包括以下步骤：S1：构建速度模型，并进行正演计算，得到训练数据集；S2：构建UNet，利用训练数据集进行训练，并将待反演的接收函数和面波频散数据作为UNet的输入，得到地壳及上地幔的速度结构。本发明提出的基于UNet的接收函数与面波频散联合反演方法，可以减小反演中的非唯一性，提高反演效率以及稳定性，并探索深度学习方法在联合反演中的适用性，可以作为常规反演的替代，改善了常规反演的缺陷，为地球物理实时反演解释奠定基础。