买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北石油大学三亚海洋油气研究院

摘要：本发明公开了一种基于SwinTransformer和扩散模型的地震面波与随机噪声压制方法，涉及地球科学技术与人工智能交叉技术领域，包括：获得混合噪声地震数据集及预处理后的混合噪声地震数据集；输入训练好的初始去噪模型，获得去噪后的地震数据集，基于预处理后的混合噪声地震数据集和去噪后的地震数据集，获得混合噪声估计数据集；将混合噪声估计数据集拟合到高斯分布，将混合噪声估计数据集与扩散模型的前向过程中某时刻状态相匹配获得含噪地震数据，将含噪地震数据表示到去噪链中获得估计噪声分布；利用扩散模型的反向过程对匹配后的某时刻状态学习估计噪声分布，并训练获得去噪模型，基于所述去噪模型获得去噪后的地震数据。

主权项：1.一种基于SwinTransformer和扩散模型的地震面波与随机噪声压制方法，其特征在于，包括：获得包含地震面波与随机噪声的混合噪声地震数据集，对所述混合噪声地震数据集进行预处理，获得预处理后的混合噪声地震数据集，其中所述混合噪声地震数据集包括训练地震数据和理想标签地震数据；将所述预处理后的混合噪声地震数据集输入训练好的初始去噪模型，获得去噪后的地震数据集，基于所述预处理后的混合噪声地震数据集和所述去噪后的地震数据集，获得混合噪声估计数据集；将所述混合噪声估计数据集拟合到高斯分布，将所述混合噪声估计数据集与扩散模型的前向过程中某时刻状态相匹配获得含噪地震数据，将所述含噪地震数据表示到去噪链中获得估计噪声分布；利用扩散模型的反向过程对匹配后的某时刻状态学习所述估计噪声分布，逐步获得前一刻状态，并训练获得去噪模型，基于所述去噪模型获得去噪后的地震数据；获得所述训练地震数据包括：使用包含散射体的速度模型正演生成含散射面波数据，基于所述含散射面波数据加入不同强度的高斯噪声模拟生成包含地震面波与随机噪声混合噪声的地震数据；获得所述理想标签地震数据包括：利用不包含散射体的层状速度模型进行正演，获得包含直达波、面波与反射波数据；利用不包含散射体的常速度模型进行正演，获得包含直达波与面波数据；将所述包含直达波、面波与反射波数据与所述包含直达波与面波数据相减，获得理想标签地震数据；对所述混合噪声地震数据集进行预处理，获得预处理后的混合噪声地震数据集包括：将所述混合噪声地震数据集切分为预设尺寸的二维切片地震数据，获得预处理后的混合噪声地震数据集；获得训练好的初始去噪模型包括：将所述预处理后的混合噪声地震数据集输入初始去噪模型，将所述预处理后的混合噪声地震数据集经过F-K变换得到F-K域特征，将相对应的所述理想标签地震数据作为时域的标签，将所述理想标签地震数据转换到F-K域作为F-K域的标签，训练初始去噪函数，获得训练好的初始去噪模型；所述训练好的初始去噪模型包括编码器和解码器；所述编码器包括第一卷积层、第一PatchMerging层、第一SwinTransformer模块；所述第一卷积层，用于提取地震数据特征；所述第一PatchMerging层，用于对切片地震数据进行下采样，实现对地震数据多尺度的特征提取；所述第一SwinTransformer模块，用于对输入的切片地震数据进行自注意力机制计算，充分利用全局信息；所述解码器包括第二PatchExpanding层、第二SwinTransformer模块、第二卷积层；所述第二PatchExpanding层，用于对切片地震数据进行上采样，扩大切片地震数据并减少特征图通道数；所述第二SwinTransformer模块，用于对输入的切片地震数据进行自注意力机制计算，充分利用全局信息；所述第二卷积层，用于特征图降维并整合所有提取到的地震数据的特征；获得估计噪声分布包括：将所述混合噪声估计数据集采用统计方法对混合噪声数据进行高斯分布拟合，获得拟合参数，根据时域、F-K域联合差异最小的方法确定在扩散模型前向过程中的特定状态，所述特定状态的噪声分布与拟合的高斯分布相近获得含噪地震数据，将所述含噪地震数据表示到去噪链中获得估计噪声分布；获得去噪后的地震数据包括：利用反向过程对匹配后的某时刻状态学习所述估计噪声分布，通过贝叶斯推断逐步回溯到前一时刻的状态，在每一步的回溯中估计当前状态的噪声分布，并将估计结果输入到所述去噪模型中，采用所述去噪模型对当前状态的地震数据进行去噪处理，获得去噪后的地震数据。

全文数据：

权利要求：

百度查询： 东北石油大学三亚海洋油气研究院 一种基于Swin Transformer和扩散模型的地震面波与随机噪声压制方法