公开(公告)号：CN112733425A

公开(公告)日：2021-04-30

申请号：CN202011455851.7

申请日：2020-12-10

Applicant: 东华理工大学

Inventor： 张雄 ,  田宵 ,  陈慧慧 ,  汪明军 ,  刘勇健

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/08 ,  G06F119/10

Abstract: 本发明公开了一种神经网络训练方法、装置、计算机设备及存储介质，其中，该神经网络训练方法包括：获取水力压裂作业阶段中通过至少两个接收器获取的预设数量的原始数据样本；采用数据增强方法处理预设数量的原始数据样本，获取增量数据样本，增量数据样本包括三分量波形；将三分量波形输入UNET模型，用以通过a个接收器、b个时间采样点、c个卷积层信道以及d个MAXPOOLING层，提取出震相拾取信息，其中，a、b、c和d为随机数；通过d个向上采样层对所有震相拾取信息进行转换，形成输出标签。该方法可获取充足的数据来训练出适合应用于地震勘探工业的神经网络，极大克服了震勘探工业中难以获取大量野外实际数据的困难。

公开(公告)号：CN112733425B

公开(公告)日：2023-01-03

申请号：CN202011455851.7

申请日：2020-12-10

Applicant: 东华理工大学

Inventor： 张雄 ,  田宵 ,  陈慧慧 ,  汪明军 ,  刘勇健

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/08 ,  G06F119/10

Abstract: 本发明公开了一种神经网络训练方法、装置、计算机设备及存储介质，其中，该神经网络训练方法包括：获取水力压裂作业阶段中通过至少两个接收器获取的预设数量的原始数据样本；采用数据增强方法处理预设数量的原始数据样本，获取增量数据样本，增量数据样本包括三分量波形；将三分量波形输入UNET模型，用以通过a个接收器、b个时间采样点、c个卷积层信道以及d个MAXPOOLING层，提取出震相拾取信息，其中，a、b、c和d为随机数；通过d个向上采样层对所有震相拾取信息进行转换，形成输出标签。该方法可获取充足的数据来训练出适合应用于地震勘探工业的神经网络，极大克服了震勘探工业中难以获取大量野外实际数据的困难。

公开(公告)号：CN112699788A

公开(公告)日：2021-04-23

申请号：CN202011604646.2

申请日：2020-12-29

Applicant: 东华理工大学

Inventor： 田宵 ,  汪明军 ,  张雄 ,  陈慧慧 ,  李广

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G01V1/30

Abstract: 本文提供一种微地震P波极性识别方法、装置、设备及存储介质，所述方法包括：获取检波器采集到的微地震待测P波数据；将所述待测P波数据输入到已训练完成的卷积神经网络，计算得到所述待测P波极性类型概率分布，所述已训练完成的卷积神经网络是基于所述检波器采集的训练样本数据训练得到，所述训练样本数据全部已知所述P波极性类型；将所述待测P波极性类型概率分布中最大概率对应的P波极性类型确定为所述待测P波极性，通过多道采集的数据结合卷积神经网络构架，训练出能准确识别出P波极性的训练模型，可以提高P波极性识别的准确性和训练模型的适应范围。

公开(公告)号：CN111983676A

公开(公告)日：2020-11-24

申请号：CN202010648662.5

申请日：2020-07-07

Applicant: 东华理工大学

Inventor： 张雄 ,  田宵 ,  陈慧慧 ,  汪明君

IPC: G01V1/30 ,  G01V1/28 ,  G01V1/36

Abstract: 一种基于深度学习的地震监测方法及装置，所述方法包括步骤：训练神经网络；从连续数据中以预设时间间隔截取地震波形时窗；将所述地震波形时窗输入所述神经网络；所述神经网络输出对应的高斯概率密度分布；判断所述高斯概率密度分布的最大值是否大于预设阈值；若是，判定所述地震波形时窗包含地震事件，并计算震源参数解；若否，判定所述地震波形时窗不包含地震事件。本申请提供的一种基于深度学习的地震监测方法及装置，可以利用单台进行震源参数的估算，因此可以得到泛化的神经网络模型，利用全球数据训练神经网络后，网络模型可以应用到任意地区。