内容提供者
一种基于深度学习的地震数据重建方法及系统.pdf
2023-06-07
10金币
1.5MB
20页
文光****iu
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共20页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于深度学习的地震数据重建方法及系统.pdf
本发明提供了一种基于深度学习的地震数据重建方法及系统,属于地球物理勘探数据预处理领域。所述方法包括:(1)、采集地震数据;(2)、生成神经网络;(3)、利用地震数据训练所述神经网络得到重构模型;(4)、将待重构的地震数据输入到所述重构模型,所述重构模型输出重构后的地震数据。本发明是利用深度学习中的U?Net网络,针对地震勘探采集到的大量的具有各种不规则的数据,经过不同程度的卷积和池化操作提取地震数据深层次的特征,减少数据的维度,然后再经过上采样,即通过插值和特征图像融合以恢复原图大小从而实现数据重建。
2023-06-07
10
1.5MB
地震数据重建方法、系统.pdf
本发明提供一种地震数据重建方法、系统,根据待重建地震道的炮点坐标、检波点坐标筛选用于重建所述待重建地震道的索引地震道;对筛选到的索引地震道的道数据进行压缩感知规则化重建得到待重建地震道的道数据,即:直接利用炮点坐标以及检波点(接收点)坐标实现地震数据重建,简化了重建过程中对所需原始数据的选取,提升运算效率,并且对原始数据的信噪比没有要求,无需在均匀、规则的网格下进行重建,适用性强。
2023-05-11
10
1.1MB
基于深度卷积神经网络的地震数据重建.docx
基于深度卷积神经网络的地震数据重建基于深度卷积神经网络的地震数据重建地震是一种自然灾害，可能会给社会造成严重的损失。当地震发生时，地震数据会被记录下来并存储在设备中，但是这些数据往往是不完整的、有缺失的。原本完整、清晰的地震数据，由于各种原因会变得模糊、遗漏，这就给地震研究带来了极大的困难。因此，如何对不完整的地震数据进行重建是一个重要的研究领域。传统的地震数据重建方法主要基于信号处理学中的理论，如插值、滤波或逆问题求解等技术。然而，这些方法需要使用许多假设和先验知识，并且不适合处理高维数据。随着深度学习
2024-10-18
5
10KB
基于深度学习的微表面材质重建方法及系统.pdf
本发明公开了基于深度学习的微表面材质重建方法及系统，包括：获取真实世界材质的拍摄图像；将材质的拍摄图像输入到预训练生成器网络中，输出具有比拍摄图像更高分辨率的漫反射贴图、反射贴图、粗糙度贴图和法向贴图；将以上贴图绘制出一张渲染图像，该渲染图像所呈现的材质外观与拍摄图像相似。利用基于对抗生成网络框架，在神经网络中使用绘制模块将将漫反射贴图、反射贴图、粗糙度贴图和法向贴图绘制出一张渲染图像，并用判别器模块对该渲染图像与真实材质拍摄图进行判别，从而避免了传统利用机器学习的方法需要依赖大量材质贴图标签的缺陷，减少
2024-01-06
10
1KB
一种基于多尺度残差网络的地震数据重建方法.pdf
本发明公开了一种基于多尺度残差网络的地震数据重建方法。本发明将多尺度卷积思想应用于残差结构中，在多尺度残差块的基础上引入不同大小的卷积核，通过多尺度残差块级联自适应地提取地震数据的信息；然后利用各多尺度残差块输出作为局部特征进行全局特征融合。最后，将融合后的全局特征发送到重建模块进行地震数据重建。本发明在多尺度残差块的基础上采用不同尺度卷积核进行特征提取，能够更好的提取出地震数据的局部特征，从而重建出更高信噪比的地震数据。
2023-06-07
10
898KB