公共文化服务平台

搜索到716篇“ 地震数据重建“的相关文章

一种非规则地震数据重建方法: 本发明公开了一种非规则地震数据重建方法，该方法采用迭代软阈值算法计算地震数据的稀疏系数；采用迭代硬阈值算法优化稀疏系数得到新的稀疏系数；以新的稀疏系数作为迭代软阈值算法的初始稀疏系数，控制迭代软阈值算法和迭代硬阈值算法交...; 邸志欣陈吴金葛雪钦谢金平丁建强董旭光

地震数据重建与去噪的方法、装置和电子设备: 本发明提供了一种地震数据重建与去噪的方法、装置和电子设备，涉及地震数据处理的技术领域，包括：获取时间域地震数据；对时间域地震数据进行离散傅里叶变换，得到频率域地震数据；利用阻尼多道奇异谱分析DMSSA算法对频率域地震数据...; 曹静杰许昌昊朱跃飞魏亚杰

融入混合注意力Unet神经网络隧洞地震数据重建方法: 本发明提出了一种融入混合注意力Unet神经网络隧洞地震数据重建方法，通过人工智能神经网络自动地学习现有隧洞地震数据之间的特征，建立缺失数据与完整数据之间的非线性映射关系；通过人工智能中具有图像语义分割、通讯信号消噪等诸多...; 董新桐董士琦程明王洪洲钟铁王新旸

三分量三维地震数据重建方法及装置: 本发明涉及一种三分量三维地震数据重建方法及装置，其中，方法包括：在时间域利用四元数对三分量数据进行矢量联合表征，得到时间域四元数信号；对时间变量实施四元数傅里叶正变换，将时间域四元数信号变换到频率域，得到频率域四元数信号...; 孙文博王建花王艳冬张洪亮黄小刚叶云飞王小六鲍铁钊薛冬黄饶

天然地震数据重建方法、装置和电子设备: 本发明提供了一种天然地震数据重建方法、装置和电子设备，涉及地质数据处理的技术领域，包括：获取天然地震数据的采样数据和采样矩阵；基于稀疏性假设，利用采样数据、采样矩阵和预设变换域的稀疏变换算子，确定天然地震数据的正则化反演...; 杨歧焱魏亚杰曹静杰蔡志成杨贺龙

一种地震数据重建去噪一体化方法: 本发明涉及地球科学技术与人工智能交叉技术领域，特别是涉及一种地震数据重建去噪一体化方法，包括：获取地震数据；将所述地震数据输入预设的地震数据恢复模型中，输出重建去噪后的地震数据，其中，所述数据恢复模型基于训练集训练获得，...; 张岩张一鸣杨壮宋利伟王鹏孙宇航董宏丽

一种地震数据重建方法、系统、设备以及介质: 本发明公开了一种地震数据重建方法，包括以下步骤：获取待重建的时间‑空间域地震数据矩阵并对所述时间‑空间域地震数据矩阵进行预处理得到频率‑波数域数据矩阵，其中所述频率‑波数域数据矩阵中包括多个波数谱；沿着所述频率‑波数域数...; 王宝彬宋家文宋强功王嘉琪晏伟方云峰

应用生成对抗网络的地震数据重建和去噪一体化方法: 2024年; 在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征。首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向。其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务。最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性。; 张岩张岩董宏丽董宏丽; 关键词：地震数据处理

基于阻尼字典学习的三维地震数据重建: 2024年; 为了降低地震数据采集成本、提高采集效率并保持数据规则和完整,首先,针对随机采集观测系统不规则的问题,提出了观测系统规则投影的技术流程,填补缺失的炮点和检波点信息,然后,在压缩感知的框架下,利用字典学习与稀疏表示进行三维地震数据重建。对提出的字典学习方法,利用批量正交匹配追踪避免直接对矩阵求逆造成的计算量大的问题,利用交替最小二乘代替奇异值分解提高计算效率,同时对稀疏系数进行阻尼约束,避免对噪声的拟合从而得到更好的字典。针对常规时间域字典学习地震数据重建方法存在计算效率低、弱信号保护能力差等问题,在频率域进行地震数据重建,对有效信号所在频带范围进行处理,有效减少计算量、压制噪声、提高重建结果的信噪比,形成了针对地震数据随机采集的观测系统规则投影、地震数据重建技术流程。实际资料应用结果表明,通过规则观测系统投影、地震数据重建有效提升了叠前地震资料品质,获得了较好的成像效果。; 周旸黄炜霖张靖; 关键词：字典学习地震数据重建

不同域下基于UNet的三维地震数据重建: 2024年; 由于自然因素的限制以及经济条件的约束,采集到的地震数据通常存在地震道的缺失,需对缺失数据进行插值。然而,目前基于深度学习的方法大多在某一固定的域下完成地震数据的插值。为了对比不同域下地震数据重建结果的差异,本文基于UNet网络,对比了五种不同域下的地震数据插值方法,分别为:t-x(time-space)域,时间切片,f-x(frequency-space)域,频率域按炮切片以及三维方法。在仿真数据集和真实数据集上进行了实验,通过三维重建结果,二维切片,不同缺失率的地震数据重建信噪比以及五种方法的耗时对比,全面展示了几种方法在地震数据重建问题上的差异。实验结果显示,五种方法在一定程度上均可重建缺失数据,其中三维方法可以取得最高的重建精度,和基于f-x域的方法相比,重建信噪比提高了近2 dB;但三维方法以三维数据块作为输入训练网络,所以最为耗时,网络一轮的训练时间比其它方法多70~170 min。此外,对不同缺失率的地震数据重建结果显示,三维方法和基于f-x域的方法在重建高缺失率的地震数据时更有优势。; 田宇鹏李新欣李志明; 关键词：地震数据重建时间切片 F-X域

相关作者