-
公开(公告)号：CN117171553A
公开(公告)日：2023-12-05
申请号：CN202210561396.1
申请日：2022-05-23
IPC分类号： G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/0985
摘要： 本发明提供一种基于自学习神经网络地震面波压制方法，该基于自学习神经网络地震面波压制方法包括：步骤1，将地震数据进行规则化，形成网络数据集；步骤2，构建自学习神经网络；步骤3，基于梯度下降、反向传播对自学习神经网络参数进行更新；步骤4，以迭代次数作为迭代终止条件，数据集迭代一定次数后，输出自学习神经网络预测结果；步骤5，将步骤2中规则化的网络数据集给予神经网络进行训练与测试。该基于自学习神经网络地震面波压制方法实现了由含面波的地震资料到不含面波资料的直接映射，并且可避免预测相减流程的繁复性，训练好的网络模型，可以直接应用于同一工区的地震数据，不需重新训练，提升处理效率。
-
公开(公告)号：CN116859449A
公开(公告)日：2023-10-10
申请号：CN202210287923.4
申请日：2022-03-23
IPC分类号： G01V1/28 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要： 本发明提供一种利用卷积自编码器深度神经网络进行地震数据重建的方法，该利用卷积自编码器深度神经网络进行地震数据重建的方法包括：步骤1，进行训练集和测试集的准备；步骤2，搭建卷积自编码器神经网络；步骤3，进行卷积自编码器神经网络的训练、测试和参数调整；步骤4，应用训练好的卷积自编码器神经网络进行地震数据重建。该利用卷积自编码器深度神经网络进行地震数据重建的方法将深度学习技术引入到地震数据重建处理中，不需要人机交互的人工阈值设定，避免了传统地震数据重建方法中的数学模型约束和物理模型约束，训练完成后可以快速有效的应用于大批量的地震数据重建处理中。
-
公开(公告)号：CN116520423A
公开(公告)日：2023-08-01
申请号：CN202210072279.9
申请日：2022-01-21
摘要： 本发明提供了一种基于方位各向异性控制的初至自动拾取异常延迟检测方法，包括：对所有地震数据进行初至自动拾取；对自动拾取的初至进行延迟时迭代计算，获得炮点延迟时间和地层速度；消除炮点延迟时间和偏移距对初至时间的影响；根据每个检波点相对于炮点的方位和偏移距，对处理后的初至拾取点进行极坐标系下的空间排布；根据地形复杂度，对初至拾取点进行方位区间划分；在滑动时窗控制下，对每个方位区间内的初至时间进行基于距离的离群点检测，检测并删除离群点对应的初至；输出最终的初至拾取结果。本发明具有很好的抗噪音干扰能力，能够将自动拾取初至中的异常值自动检测并予以剔除，有效提高初至自动拾取的效率和精度。
-
公开(公告)号：CN116520412A
公开(公告)日：2023-08-01
申请号：CN202210072334.4
申请日：2022-01-21
IPC分类号： G01V1/30 , G01V1/36 , G06F18/23213 , G06N3/0464 , G06N3/09
摘要： 本发明提供一种基于DBSCAN聚类分析的速度谱自动拾取方法，包括：步骤1，进行人工拾取速度控制点数据标准化处理；步骤2，基于监督学习方法建立初始速度约束模型；步骤3，根据速度约束模型清洗速度谱；步骤4，基于DBSCAN方法自动拾取时间‑速度对；步骤5，根据4中的速度拾取结果，更新、优化工区速度约束模型；步骤6，重复步骤3‑5，直至满足迭代终止条件；步骤7，输出速度谱自动拾取结果。该基于DBSCAN聚类分析的速度谱自动拾取方法能够有效减少在手动拾取耗费的人工、时间成本，适合大数据的分析和应用，符合现今地震数据日益高密度化的趋势和需求，易于推广应用，有效提高了速度谱自动拾取的效率和精度。
-
公开(公告)号：CN111242198B
公开(公告)日：2023-05-09
申请号：CN202010013149.9
申请日：2020-01-06
IPC分类号： G06F18/2136 , G06F18/28
摘要： 本发明提供一种基于稀疏表示的道集调谐优化增维方法，该基于稀疏表示的道集调谐优化增维方法包括：步骤1，构建时频域子波字典；步骤2，进行道集Hilbert变换；步骤3，确定匹配子波控制参数；步骤4，进行基于匹配追踪的子波分解；步骤5，进行基于匹配子波的高分辨时频分解。该基于稀疏表示的道集调谐优化增维方法避免了因为叠加效应而产生的地震波干涉现象，消除了由于频率混叠而造成的失真影响，能够有效地提高后期的反演刻画精度。
-
公开(公告)号：CN115480299A
公开(公告)日：2022-12-16
申请号：CN202110606506.7
申请日：2021-05-31
摘要： 本发明提供一种基于Spark的地震积分法时间偏移方法，该基于Spark的地震积分法时间偏移方法包括：步骤1，设置进行积分法叠前时间偏移的参数；步骤2，根据参数，对输入数据和输出成像范围进行切分，构成输入RDD；步骤3，对输入RDD进行积分法时间偏移处理；步骤4，合并临时成像结果RDD，得到最终成像结果。该基于Spark的地震积分法时间偏移方法克服了现有技术的临时文件处理、网络通讯等方面的缺点，进一步提升了并行效率，可以更稳定的支撑海量数据的处理。
-
公开(公告)号：CN114624770A
公开(公告)日：2022-06-14
申请号：CN202011471663.3
申请日：2020-12-14
摘要： 本发明提供一种基于卷积神经网络的地震面波检测方法，该基于卷积神经网络的地震面波检测方法包括：步骤1，对地震资料做预处理；步骤2，使用卷积网络提取地震信号的高维特征；步骤3，使用反卷积网络生成面波分布区域。该基于卷积神经网络的地震面波检测方法针对地震叠前数据中面波噪音无法自动精确定位的问题，通过卷积神经网络能够自动检测面波在地震叠前信号中的分布区域，可提高面波标注的精度和智能程度。
-
公开(公告)号：CN106772610B
公开(公告)日：2020-05-01
申请号：CN201610998827.5
申请日：2016-11-14
IPC分类号： G01V1/34
摘要： 本发明提供了一种叠前道集资料增维属性分析方法包括：二维叠前共成像点道集参数读取，包括CDP点坐标、间距和道集入射角度间距或道集偏移间距；叠前共成像点道集三维数据体形成方法，读取CDP上的叠前共成像点道集作为三维数据体的Inline线，赋值Inline线间距、CDP间距和坐标，形成三维数据体；叠前共成像点道集三维分析，加载三维数据体到地震解释平台，实现叠前共成像点道集三维分析。该方法与目前常用的叠前共成像点道集属性分析相比，具有快捷、方便、结果更直观，实现了任意CDP点、不同入射角（偏移距）道集的直接对比。
-
公开(公告)号：CN110619383A
公开(公告)日：2019-12-27
申请号：CN201910661855.1
申请日：2019-07-22
IPC分类号： G06N3/04
摘要： 本发明公开了一种基于深度学习的抽油机噪声定位方法，步骤如下：S1、利用滑动窗单步滑动对地震数据按列分块，得到若干固定大小的局部地震道集，若包含抽油机噪声的地震道数量达到阈值Th1，将其标注为1，包含抽油机噪声的地震道数量低于阈值Th2，将其标记为0；S2、对局部地震道集进行预处理，计算其能量谱、进行均值滤波，然后降采样，随机选取部分数据作为训练集，剩余部分作为测试集；S3、搭建深度CNN网络，并利用步骤S2中得到的训练集对CNN网络进行训练，训练过程中利用错分的数据补充训练集反复训练；S4、利用测试样本对步骤S3中训练好的CNN网络进行测试，对其定位功能进行定量评价；S5、根据步骤S4中的定位结果对定位到的抽油机噪声进行宽度估计。
-
公开(公告)号：CN110568483A
公开(公告)日：2019-12-13
申请号：CN201910663769.4
申请日：2019-07-22
摘要： 本发明公开的基于卷积神经网络的地震线性噪声压制效果自动评估方法，首先对收集到的同一工区内的地震数据，针对同一种噪声，利用不同的参数进行去噪处理，得到去噪质量不同的结果，交由专家给出评分等级，形成样本数据库；构建卷积神经网络模型，利用样本数据库作为输入对卷积神经网络模型进行训练，输出属于不同评分等级的概率，并取概率最大值作为最终结果；将训练好的积神经网络模型应用于同类别噪声的不同去噪结果，输出评分等级的结果。与现有技术相比，本发明实现基于专家经验学习的地震资料去噪效果智能评估，从而可以用来指导去噪方法和参数调优的过程，减少专家逐一评价去噪结果的人机交互时间损耗以及人力成本，降低工作量。
-
-
-
-
-
-
-
-
-
搜索结果
61 条记录 (耗时 0.116 秒)
