申请/专利权人：中国矿业大学

申请日：2024-05-08

公开（公告）日：2024-07-05

公开（公告）号：CN118296386A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/10;G06F18/15;G06F18/21;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：一种标签噪声鲁棒的微震到时智能拾取模型构建方法，通过设计新颖的LNRL训练架构模型，可以同时学习输入地震图像和输出标签的表示，从而捕获样本之间的特征表示分布关系。模型利用变分推断的常用方法来控制特征表示的分布，通过KL散度来优化特征表示分布和标签表示分布之间的关系。此外，LNRL还引入了随机傅里叶特征来在多个随机空间中对齐表示分布。本发明能够解决深度地下工程中微地震到达时刻拾取的标签噪声问题，克服现有微震数据中，来自工程师的人为标记误差和实际工程环境中恶劣条件下的设备噪声，为微震到达时间拾取提供了一个稳健的解决方案，对于地下工程和灾害监测等地球物理应用至关重要，并在未来的工作中具有更广泛的微震任务探索潜力。

主权项：1.一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在于，包括以下步骤：步骤1：将原始微震波xi进行归一化处理，得到归一化微震波xiσ，同时对原始微震波xi的到达时间标签yi进行预处理，得到沿时间维度的标签分布qi；步骤2：使用两个映射函数和分别对应将归一化微震波xiσ和沿时间维度的标签分布qi映射到一个潜在特征空间，得到微震波形特征表示和微震波形标签表示步骤3：使用一个标签错误学习器Φη来捕捉微震波形标签表示相对于微震波形特征表示的特征表示分布偏移，得到校正后的标签表示步骤4：使用两个映射函数和将微震波形特征表示和标签表示对应映射到先验分布和分别得到服从先验分布的微震波形特征表示和服从先验分布的微震波形标签表示同时，使用傅立叶特征映射φ将微震波形特征表示和标签表示映射到相同的随机低维特征空间，得到低维的微震波形特征表示和低维的微震波形标签表示从而有利于衡量特征和标签之间的分布差异，最后，使用两个映射函数和将微震波形特征表示和标签表示对应解码为标签分布和其中，和都是对标签分布qi的估计，表示从微震波特征表征映射到而是从标签表征映射到然后利用多个经过加权的损失函数训练模型、优化模型参数，从而得到构建微震波到时拾取模型所需要的网络参数θ,ψ,ξ,∈,θ,步骤5：完成训练后，微震到时拾取模型仅保留映射函数和映射函数其余映射函数和参数仅在训练过程中作为辅助结构使用，最终所构建的微震波到时拾取模型表示为：

全文数据：

权利要求：

百度查询： 中国矿业大学 一种标签噪声鲁棒的微震到时智能拾取模型构建方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD