[发明专利]一种叠前地震信号波形分类方法

权利要求书

1.一种叠前地震信号波形分类方法，其特征在于，包括：

S1、对输入的宽方位角地震数据降噪处理；

S2、对经步骤S1得到的数据提取层位段数据，得到原始训练样本；具体为：每个层位数据样本点数t，m个方位角数据组成训练样本X＝{x₁,...x_n}，x_i维度为t×m，i＝1,2,…,n，n表示训练样本的个数；

S3、对步骤S2得到的原始训练样本，根据构建深度置信网络中的限制玻尔兹曼机网络提取特征数据；具体包括以下分步骤：

S31、输入原始训练样本，获取原始训练样本的维度；

S32、初始化K层限制玻尔兹曼机网络节点数；

S33、将上一层限制玻尔兹曼机网络的输出作为下一层限制玻尔兹曼机网络的输入，依次训练每一层限制玻尔兹曼机网络；

S34、输出提取的特征数据；

S4、将步骤S3提取的特征数据输入自组织神经网络训练，将得到的神经元权值向量作为模糊C均值的初始簇中心，当FCM训练终止时，得到分类结果。

2.根据权利要求1所述的一种叠前地震信号波形分类方法，其特征在于，步骤S1所述的降噪处理为采用结构导向滤波实现降噪。

3.根据权利要求1所述的一种叠前地震信号波形分类方法，其特征在于，步骤S4具体包括以下分步骤：

S41、输入步骤S3提取的特征数据，并初始化SOM参数；

S42、进行SOM训练，当迭代次数大于预设阀值，得到神经元；

S43、将步骤S42得到的神经元作为FCM初始簇中心；

S44、计算每个样本对每个簇的隶属度，然后更新簇中心；

S45、判断隶属度变化率是否小于预设值ε，若是则输出分类结果，否则返回步骤S44。

4.根据权利要求3所述的一种叠前地震信号波形分类方法，其特征在于，所述隶属度变化率是指当前计算出来的隶属度减去相邻一次计算出来的隶属度，然后除以相邻一次计算出来的隶属度得到的值。