公开(公告)号：CN118859306A

公开(公告)日：2024-10-29

申请号：CN202410866572.1

申请日：2024-07-01

Applicant: 吉林大学

Inventor： 王俊秋 ,  孙巍 ,  张佳恒

IPC: G01V1/28 ,  H03M7/30 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G01V1/30

Abstract: 本发明涉及一种基于卷积神经网络的地震数据压缩感知方法，包括：建立地震剖面数据集；构建网络模型，所述网络模型包括采样网络、初始重构网络、深度重构网络；采用训练数据集训练网络模型，训练完成后，保存网络模型，将需要处理的地震数据输入到训练好的模型中压缩采样并重构，输出重构地震剖面图、重构信噪比和重构误差。本发明考虑到测量矩阵与原始数据之间的相关性，自适应地生成测量矩阵，并通过重构网络重构数据。相比于传统压缩感知方法的线性随机压缩方式和重构方法，本发明有更高的重构信噪比和更低的误差。

公开(公告)号：CN119439236B

公开(公告)日：2025-04-08

申请号：CN202510046722.9

申请日：2025-01-13

Applicant: 吉林大学

Inventor： 王俊秋 ,  张佳恒 ,  孙巍 ,  段学瑾

IPC: G01V1/01 ,  G01V1/28 ,  G06F18/20 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明涉及地震事件检测技术领域，为一种基于CDIL‑CNN与卷积注意力机制结合的地震事件检测方法，包括：采用三分量地震数据集，构建网络模型，网络模型包括卷积组合模块、信息融合模块、卷积注意力模块、展平层、第一全连接层、第三激励层、随机隐藏神经元层、第二全连接层、第四激励层；卷积组合模块共有三个，利用圆形扩张卷积模块进行扩张卷积运算，分别对三个分量地震数据进行特征提取。信息融合模块将卷积组合模块的输出依据最小均方误差函数进行加权平均计算，获得初步检测结果；卷积注意力模块进行权重调整。本发明通过网络训练后无需进行人工标注和修改参数与阈值，可以高效、准确地完成地震事件检测。

公开(公告)号：CN119439236A

公开(公告)日：2025-02-14

申请号：CN202510046722.9

申请日：2025-01-13

Applicant: 吉林大学

Inventor： 王俊秋 ,  张佳恒 ,  孙巍 ,  段学瑾

IPC: G01V1/01 ,  G01V1/28 ,  G06F18/20 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明涉及地震事件检测技术领域，为一种基于CDIL‑CNN与卷积注意力机制结合的地震事件检测方法，包括：采用三分量地震数据集，构建网络模型，网络模型包括卷积组合模块、信息融合模块、卷积注意力模块、展平层、第一全连接层、第三激励层、随机隐藏神经元层、第二全连接层、第四激励层；卷积组合模块共有三个，利用圆形扩张卷积模块进行扩张卷积运算，分别对三个分量地震数据进行特征提取。信息融合模块将卷积组合模块的输出依据最小均方误差函数进行加权平均计算，获得初步检测结果；卷积注意力模块进行权重调整。本发明通过网络训练后无需进行人工标注和修改参数与阈值，可以高效、准确地完成地震事件检测。