龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：吉林大学
申请日：2024-03-20
公开（公告）日：2024-06-21
公开（公告）号：CN118226516A
主分类号：G01V1/28
分类号：G01V1/28;G01V1/30;G06T3/4046;G06T3/4053
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明一种基于深度学习的地震成像方法，包括模型选择，数据集收集，使用有限差分法对时域内的二维声波方程进行求解，模拟波场并获取地震记录作为网络输入；计算相邻两层介质之间的波速差异，并据此计算反射率系数，得到反射率模型，用作标签数据；建立耦合Transformer和卷积神经网络的深度神经网络，并采用ASFF法进行多级特征的融合；选择MSE作为损失函数，R‑squared作为评估指标，进行神经网络训练，实现从地震记录到反射率模型的直接映射。本方法简化了地震成像过程，提高了地下结构成像的精度和可靠性，加速地震成像计算过程，提高了成像速度和效率，实验结果表明，在推断地下结构方面具有显著的准确性和可靠性。
主权项：1.一种基于深度学习的地震成像方法，其特征在于，包括以下步骤：A、模型选择：从3-DOverthrust模型中提取多个互不相同的2-D模型进行合成数据的模拟，用于测试和训练；B、数据集收集：在训练和测试模型上，使用有限差分法对时域内的二维声波方程进行求解，模拟波场并获取地震记录作为网络输入；计算相邻两层介质之间的波速差异，并据此计算反射率系数，得到反射率模型，用作标签数据；C、神经网络构架建立：采用Transformer和卷积神经网络的混合架构，并采用ASFF模块进行多级特征的融合；D、网络训练：地震记录作为网络的输入，期望输出为真实的反射率模型，选择MSE作为损失函数，R-squared作为评估指标，进行神经网络训练，实现从地震记录到反射率模型的直接映射。
全文数据：
权利要求：
百度查询： 吉林大学 一种基于深度学习的地震成像方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号