-
公开(公告)号：CN114325821A
公开(公告)日：2022-04-12
申请号：CN202111595374.9
申请日：2021-12-23
申请人： 西安交通大学
摘要： 本发明公开了一种基于3D‑SNACNN网络的叠前地震资料中强散射噪声压制方法及系统，构造3D‑SNACNN网络，选择三维地震数据并重排为OVT域数据作为网络训练的数据集；利用三维连续小波快速算法对选定的OVT域地震数据去噪，得到对应的干净数据，将干净数据和网络训练数据集以相同的方式划分为若干满足3D‑SNACNN网络输入要求的三维数据，然后从中筛选出部分数据构成训练样本对，将训练样本对送入3D‑SNACNN网络进行训练，待训练完成之后，利用3D‑SNACNN网络对测试集中的地震数据进行处理，完成三维地震资料中各种随机噪声的压制。本发明解决了叠后三维地震资料中随机噪声的干扰问题，有效压制叠前地震资料中的强散射噪声，本发明支持并行处理，并具有良好的自适应性，满足工业上大规模计算需求。
-
公开(公告)号：CN118939953A
公开(公告)日：2024-11-12
申请号：CN202410953182.8
申请日：2024-07-16
申请人： 西安交通大学
IPC分类号： G06F18/15 , G06N3/0464 , G06N3/088 , G06N3/0455 , G06F18/213
摘要： 本发明公开了一种基于坐标的五维地震资料插值方法及系统，基于NeRF理论，构建地震资料逐点插值模型；在逐点插值模型基础上，结合额外的卷积层修改MLP框架，构建地震数据逐剖面插值模型；引入核范数正则化，构建目标函数；读取原始五维地震资料Dobs，将存在缺失道的五维地震资料输入网络，实现五维地震资料重建。本发明消除了对额外标记数据的需要；利用了地震数据的独特特性，使卷积网络解码器以逐剖面输出数据，可以将数据处理效率显著提高40倍；目标函数中增加了核范数正则化，能够有效提高模型的抗噪性和鲁棒性。
-
公开(公告)号：CN116482749A
公开(公告)日：2023-07-25
申请号：CN202310117766.7
申请日：2023-02-15
申请人： 西安交通大学
IPC分类号： G01V1/28 , G06N3/0464 , G06N3/088 , G06N3/084 , G01V1/36
摘要： 本发明公开了一种基于残差网络的叠前地震资料强散射噪声压制方法及系统，构造CABDCN网络，从若干叠前地震资料中随机抽取5％用于训练，并使用无监督深度学习方法进行去噪处理得到对应的标签数据，含噪地震数据和对应的干净标签构成网络的训练集，未选入训练集中的数据作为测试集。对训练集的每一个地震道集中进行随机抽取若干60*60大小的数据输入网络进行训练。待训练完成之后，利用网络对测试集中的地震数据进行处理，完成叠前地震资料中各种随机噪声的压制。本发明解决了叠后三维地震资料中随机噪声的干扰问题，有效压制叠前地震资料中的随机噪声，能够使用较少的数据进行训练得到满意结果，同时采用了端对端的处理方式，能够大幅提升数据的处理效率，并具有良好的自适应性，满足工业上大规模计算需求。
-
公开(公告)号：CN115511004A
公开(公告)日：2022-12-23
申请号：CN202211335663.X
申请日：2022-10-28
申请人： 西安交通大学
摘要： 本发明公开了一种五维地震资料低秩约束重建方法、系统、介质及设备，将数据张量，采样张量，优化项与正则项的权重参数，以及沿个方向分解按mode‑{n,l}方法分解出的矩阵的TR秩R1，…，RN输入地震资料重建模型，并初始化参数Y0，作为初始值；展开当前步的低秩重建数据张量，在迭代中采样块坐标下降法交叉对变量进行优化，使用随机化采样加快运算效率，得到低秩重建数据经mode‑{n,l}分解所得计算的最优分解矩阵将训练样本的经张量重建求得下一步的重复以上步骤直到符合预定的停止准则，得到真实数据的低秩重建结果，将所有的频率成分组合恢复为原始的数据格式，实现成五维地震资料重建。本发明具有良好的重建效果，减小了计算资源消耗，具有广阔的工业应用前景。
-
-
-
搜索结果
4 条记录 (耗时 0.024 秒)
