公开(公告)号：CN118210055A

公开(公告)日：2024-06-18

申请号：CN202410253370.X

申请日：2024-03-06

Applicant: 哈尔滨工业大学人工智能研究院有限公司

Inventor： 马坚伟 ,  王猛

IPC: G01V1/36 ,  G01V1/28 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明是一种基于二次残差网络的地震数据去噪方法。本发明涉及地震数据处理技术领域，本发明建立一种具有二次表达形式的神经元，作为嵌入神经网络的基本单元；基于二次神经元，构建具有跳跃连接的残差网络模型；对残差网络进行训练并采用反向传播算法更新网络参数，利用训练完的模型进行地震数据去噪。本发明将二次神经元引入地震数据随机噪声压制中，由于二次神经元具有更强大的表达能力，使得基于二次神经元构建的神经网络具有相较于传统线性神经网络具备更强大的表达能力，进而提高了地震数据随机噪声的压制效果。

公开(公告)号：CN118211067A

公开(公告)日：2024-06-18

申请号：CN202410313190.6

申请日：2024-03-19

Applicant: 哈尔滨工业大学

Inventor： 马坚伟 ,  于四伟 ,  陈尧 ,  徐英杰

IPC: G06F18/214 ,  G06N3/088 ,  G06N3/096 ,  G01V1/28 ,  G01V1/30

Abstract: 本发明公开了一种基于自监督迁移学习凸集网络的地震数据插值方法，属于地震数据处理技术领域。解决了现有技术中传统的基于深度学习的地震数据插值方法在采用实际数据的情况下应用能力较差的问题；本发明根据凸集投影算法构建凸集投影网络，通过在自监督迁移学习训练框架下采用有标签合成训练数据集训练凸集投影网络，得到基础凸集投影网络；在自监督迁移学习训练框架下采用插值训练集训练基础凸集投影网络，得到具备插值性能的凸集投影网络；将待插值缺失地震数据输入具备插值性能的凸集投影网络，得到地震数据重建结果。本发明有效提高了基于深度学习的地震数据插值方法的泛用性和插值性能，避免依赖于有标签数据训练，可以应用于地震数据插值。

公开(公告)号：CN118169757A

公开(公告)日：2024-06-11

申请号：CN202410313194.4

申请日：2024-03-19

Applicant: 哈尔滨工业大学

Inventor： 马坚伟 ,  王猛 ,  林荣智

IPC: G01V1/36

Abstract: 本发明公开了一种基于二次神经元的地震相干噪声压制方法，属于地震数据处理技术领域。解决了现有技术中传统的地震数据噪声压制方法需要先验假设的问题；本发明包括以下步骤：S1.构建二次神经元结构作为建立人工神经网络模型的基本单元；S2.采用二次神经元结构建立人工神经网络模型；S3.采用基于模型参数梯度的Adam优化算法对人工神经网络模型进行训练，得到训练好的模型。本发明构建的二次卷积神经网络模型具有相较于传统线性神经网络更强大的表达能力，提高了地震数据相干噪声的压制效果，且相较于传统线性神经网络在拟合误差相近的情况下，本发明具有更少的参数量，泛化能力更强，计算效率更高；本发明适用于地震数据去噪任务。

公开(公告)号：CN118169754A

公开(公告)日：2024-06-11

申请号：CN202410313204.4

申请日：2024-03-19

Applicant: 哈尔滨工业大学

Inventor： 马坚伟 ,  吴宇平

IPC: G01V1/30 ,  G01V1/28 ,  G01V1/36

Abstract: 本发明提出一种全波形反演方法，属于地震勘探技术领域。包括：S1.构建基于Swin‑Unet重参数化与先验模型自衰减约束项的全波形反演方法的目标函数；S2.获取实际采集的观测地震数据和Swin‑Unet输出速度模型；S3.得到合成地震数据；S4.根据观测地震数据与合成地震数据计算地震数据的误差；S5.计算先验模型自衰减约束项的损失；S6.计算Swin‑Unet权重参数的梯度并更新Swin‑Unet的权重参数；S7.重复S2‑S6，迭代更新Swin‑Unet的权重参数，当迭代次数或误差满足退出条件时停止计算，Swin‑Unet输出反演得到的速度模型。解决全波形反演算法存在多解性的问题。