-
公开(公告)号:CN112380198A
公开(公告)日:2021-02-19
申请号:CN202011184316.2
申请日:2020-10-29
申请人: 吉林大学
IPC分类号: G06F16/215 , G06F16/29 , G06N3/08 , G06N3/04 , G06N3/12
摘要: 本发明请求保护一种基于深度学习的地震接收函数自动挑选方法,搭建深度学习模型,借鉴LeNet5模型构建一维数据二分类CNN神经网络,并利用中国国家台网记录的波形数据计算提取的接收函数构建不同规模的训练集和测试集进行模型训练和验证,最终得到的模型用于接收函数的自动挑选。分别使用人工挑选的接收函数和自动挑选的接收函数对两个台站下方的地壳厚度、波速比以及方位各项异性进行计算,并对结果进行分析,证明了本方法的有效性。利用本发明提出的深度学习自动挑选接收函数方法具有较高的准确率和数据质量,所述自动挑选方法可以应用于震级较小的远震,有效地提高了观测数据的利用率,为后续的分析研究提供更好的约束。
-
公开(公告)号:CN115008000A
公开(公告)日:2022-09-06
申请号:CN202210658683.4
申请日:2022-06-12
申请人: 吉林大学
IPC分类号: B23K26/06 , B23K26/0622 , B23K26/60 , B23K101/18 , B23K103/08
摘要: 本发明公开了一种基于脉冲重叠率与预热联合调控的镁合金薄板Nd:YAG激光焊接方法,通过调节脉冲激光焊接速度,控制脉冲激光重叠率,联合焊前预热镁合金薄板母材,抑制脉冲激光焊接缺陷的产生,改善脉冲激光焊缝表面形貌以及力学性能,脉冲激光器峰值功率为4kW,脉冲宽度为5ms,脉冲频率为15Hz,离焦量为0mm,正面保护气体流量为10L·min‑1,背面保护气体流量为5L·min‑1,焊接速度为630mm·min‑1,脉冲重叠率为70%,镁合金薄板母材预热温度为200℃,本发明方法能有效抑制镁合金薄板脉冲激光焊接缺陷,改善脉冲激光焊缝表面形貌,提高脉冲激光焊接质量。
-
公开(公告)号:CN114910958A
公开(公告)日:2022-08-16
申请号:CN202210534525.8
申请日:2022-05-17
申请人: 吉林大学
摘要: 本发明提出了一种地震全波形反演方法与系统,包括:对采样区域的波动方程进行全离散转化,根据波动方程全离散方程组按照预设时间间隔生成N组波场快照,得到波场快照矩阵;利用奇异值分解,按照预设比例从波场快照矩阵中提取出若干个恰当正交基;根据恰当正交基建立波动方程的降阶模型,并对降阶模型求解得到近似解;根据近似解和实际解的误差对降阶模型进行调整,直到降阶模型的近似解和实际解的误差在预设误差范围内;利用初始介质参数模型对波动方程的降阶模型进行波场正演,得到理论波场;根据理论波场和观测波场的误差,对初始介质参数模型进行迭代优化,得到优化好的初始介质参数模型进行波场正演,提高了地震全波形反演的计算效率。
-
公开(公告)号:CN112380198B
公开(公告)日:2022-06-21
申请号:CN202011184316.2
申请日:2020-10-29
申请人: 吉林大学
IPC分类号: G06F16/215 , G06F16/29 , G06N3/08 , G06N3/04 , G06N3/12
摘要: 本发明请求保护一种基于深度学习的地震接收函数自动挑选方法,搭建深度学习模型,借鉴LeNet5模型构建一维数据二分类CNN神经网络,并利用中国国家台网记录的波形数据计算提取的接收函数构建不同规模的训练集和测试集进行模型训练和验证,最终得到的模型用于接收函数的自动挑选。分别使用人工挑选的接收函数和自动挑选的接收函数对两个台站下方的地壳厚度、波速比以及方位各项异性进行计算,并对结果进行分析,证明了本方法的有效性。利用本发明提出的深度学习自动挑选接收函数方法具有较高的准确率和数据质量,所述自动挑选方法可以应用于震级较小的远震,有效地提高了观测数据的利用率,为后续的分析研究提供更好的约束。
-
公开(公告)号:CN117787054A
公开(公告)日:2024-03-29
申请号:CN202311826374.4
申请日:2023-12-28
申请人: 吉林大学
IPC分类号: G06F30/23 , G01V11/00 , G06F119/02
摘要: 本发明提供一种地震走时与大地电磁测深联合反演方法,所述方法包括:获取反演数据;所述反演数据包括电阻率反演结果和速度反演结果;利用所述反演数据和地球物理观测数据对预训练模型进行迭代优化,并将优化训练好的预训练模型确定为联合反演模型;所述预训练模型包括相互连接的生成模型和判别模型;所述生成模型是根据变分自编码器构建的;根据所述联合反演模型进行联合反演,得到最终的电阻率模型和速度模型,并将所述最终的电阻率模型和速度模型共同作为联合反演结果。本发明可以避免有监督学习下,联合反演计算效率过高的问题,同时也使整个反演算法流程更见稳健。
-
公开(公告)号:CN112906242B
公开(公告)日:2023-02-28
申请号:CN202110292022.X
申请日:2021-03-18
申请人: 吉林大学
IPC分类号: G06F30/20
摘要: 本发明提供了一种基于朴素贝叶斯法与邻近分类法相结合的地球物理建模方法,本发明利用邻近法和朴素贝叶斯相结合的建模方法,首先利用已知剖面做朴素贝叶斯分类,再根据邻近法找出离未知点最近的N个已知点,选取一部分方差较大的点进行训练,方差较大的点代表这些点位于地层分界面处,其属性判断比较困难,而方差较小的点位于地层分界面之间,其属性相同,不需要分类,再利用剩余的点进行训练,能够对已有的地质模型和建模数据进行学习,并结合已有的地质认识,在减少人为干预的前提下使得建模更加客观,从而在大区域、较深尺度构建地质模型,且构建的模型符合已有的地质认识,更加符合实际的地质情况。
-
公开(公告)号:CN102779182A
公开(公告)日:2012-11-14
申请号:CN201210223579.9
申请日:2012-07-02
申请人: 吉林大学
IPC分类号: G06F17/30
摘要: 一种融合偏好和信任关系的协同过滤推荐方法,包括下列主要步骤:根据用户-项目评分数据,挖掘用户间的偏好关系,构建偏好关系网络;融合偏好关系与信任关系,构建偏好信任关系网络;基于偏好信任关系网络,利用马尔可夫随机游走方法,定位目标用户的相似近邻;基于相似近邻对某一项目的评分值,为目标用户预测相应项目的评分值。本发明为推荐系统预测用户对项目的评分提供了一种全新和高效的方法,与现有方法比较,本发明具有如下主要优点:(1)方法简单,易于实现,并且能产生更准确的评分预测值。(2)该方法只有一个参数,推荐结果对该参数不敏感,便于选择。
-
公开(公告)号:CN114910958B
公开(公告)日:2023-03-14
申请号:CN202210534525.8
申请日:2022-05-17
申请人: 吉林大学
摘要: 本发明提出了一种地震全波形反演方法与系统,包括:对采样区域的波动方程进行全离散转化,根据波动方程全离散方程组按照预设时间间隔生成N组波场快照,得到波场快照矩阵;利用奇异值分解,按照预设比例从波场快照矩阵中提取出若干个恰当正交基;根据恰当正交基建立波动方程的降阶模型,并对降阶模型求解得到近似解;根据近似解和实际解的误差对降阶模型进行调整,直到降阶模型的近似解和实际解的误差在预设误差范围内;利用初始介质参数模型对波动方程的降阶模型进行波场正演,得到理论波场;根据理论波场和观测波场的误差,对初始介质参数模型进行迭代优化,得到优化好的初始介质参数模型进行波场正演,提高了地震全波形反演的计算效率。
-
公开(公告)号:CN112906242A
公开(公告)日:2021-06-04
申请号:CN202110292022.X
申请日:2021-03-18
申请人: 吉林大学
IPC分类号: G06F30/20
摘要: 本发明提供了一种基于朴素贝叶斯法与邻近分类法相结合的地球物理建模方法,本发明利用邻近法和朴素贝叶斯相结合的建模方法,首先利用已知剖面做朴素贝叶斯分类,再根据邻近法找出离未知点最近的N个已知点,选取一部分方差较大的点进行训练,方差较大的点代表这些点位于地层分界面处,其属性判断比较困难,而方差较小的点位于地层分界面之间,其属性相同,不需要分类,再利用剩余的点进行训练,能够对已有的地质模型和建模数据进行学习,并结合已有的地质认识,在减少人为干预的前提下使得建模更加客观,从而在大区域、较深尺度构建地质模型,且构建的模型符合已有的地质认识,更加符合实际的地质情况。
-
公开(公告)号:CN117763971A
公开(公告)日:2024-03-26
申请号:CN202311831850.1
申请日:2023-12-28
申请人: 吉林大学
IPC分类号: G06F30/27 , G06F111/08
摘要: 本发明公开一种大地电磁数据处理方法、系统、电子设备及存储介质,涉及电磁数据处理技术领域。所述方法包括:获取开源数据;开源数据包括大地电磁时间序列及对应的标定结果,以及经开源平台上传的用户共享数据;标定结果包括由强至弱分别为I级、II级、III级、IV级和V级的噪声强度等级;利用开源数据和半监督学习方法,分别对生成模型和判别模型进行模型参数优化,得到训练好的模型;训练好的模型用于进行噪声识别;对训练好的模型输出的噪声识别结果进行对应算法处理,得到大地电磁时间序列的视电阻率曲线和相位曲线。本发明能够对大地电磁数据应用半监督学习,充分利用现有的数据资源,解决数据标注困难或代价较高的问题。
-
-
-
-
-
-
-
-
-