-
公开(公告)号:CN117272138B
公开(公告)日:2024-07-09
申请号:CN202311192978.8
申请日:2023-09-15
Applicant: 东华理工大学
IPC: G06F18/241 , G06F18/15 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于参考道数据约束与深度学习的地磁数据去噪方法及系统,深度学习模型包含IncepTCN分类网络及CS‑GRUTCN去噪网络,本发明将参考道数据约束思想引入时间序列的编辑,获得可靠的训练集;并将注意力机制、门控循环单元及时域卷积网络结合,充分利用了注意力机制可以提高模型特征提取能力及性能稳定性,门控循环单元(GRU)可以捕捉到数据中的时间相关性和长期依赖关系以及时域卷积网络(TCN)具有平移不变性和高效的并行计算能力,实现高效、高精度的地磁数据噪声识别与去除,显著提高了地磁数据噪声压制的自动化程度、去噪精度、噪声适应性等性能。
-
公开(公告)号:CN117272138A
公开(公告)日:2023-12-22
申请号:CN202311192978.8
申请日:2023-09-15
Applicant: 东华理工大学
IPC: G06F18/241 , G06F18/15 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于参考道数据约束与深度学习的地磁数据去噪方法及系统,深度学习模型包含IncepTCN分类网络及CS‑GRUTCN去噪网络,本发明将参考道数据约束思想引入时间序列的编辑,获得可靠的训练集;并将注意力机制、门控循环单元及时域卷积网络结合,充分利用了注意力机制可以提高模型特征提取能力及性能稳定性,门控循环单元(GRU)可以捕捉到数据中的时间相关性和长期依赖关系以及时域卷积网络(TCN)具有平移不变性和高效的并行计算能力,实现高效、高精度的地磁数据噪声识别与去除,显著提高了地磁数据噪声压制的自动化程度、去噪精度、噪声适应性等性能。
-