[发明专利]基于残差卷积神经网络的地震资料随机噪音压制方法在审
| 申请号： | 202010438323.4 | 申请日： | 2020-05-21 |
| 公开（公告）号： | CN111580162A | 公开（公告）日： | 2020-08-25 |
| 发明（设计）人： | 陈伟;杨柳青;查蓓 | 申请（专利权）人： | 长江大学 |
| 主分类号： | G01V1/36 | 分类号： | G01V1/36 |
| 代理公司： | 武汉开元知识产权代理有限公司 42104 | 代理人： | 陈家安 |
| 地址： | 430100 湖北省*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 卷积 神经网络 地震 资料 随机 噪音 压制 方法 | ||
【权利要求书】：
1.一种基于残差卷积神经网络的地震资料随机噪音压制方法，其特征在于，包括以下步骤：
S1：建立残差卷积神经网络模型；
所述残差卷积神经网络模型，包含有三种不同的映射层：
1)、卷积层Conv+线性单元ELU：设置在网络的第一层，Conv用来提取输入层的局部特征；
2)、卷积层Conv+批量归一化BN+线性单元ELU：从网络的第二层开始到倒数第二层结束，用于分离噪音；
3)、卷积层Conv:设置在网络的最后一层，在这一层输出噪音剖面；
S2：制作带有随机噪音的地震数据和干净的地震数据，训练步骤S1中的残差卷积神经网络模型；
S3：利用步骤S2训练好的残差卷积神经网络模型处理含噪地震数据，输出去噪后的地震数据。
2.根据权利要求1所述的一种基于残差卷积神经网络的地震资料随机噪音压制方法，其特征在于：在卷积层中设置零填充来保持图像的尺寸。
3.根据权利要求1所述的一种基于残差卷积神经网络的地震资料随机噪音压制方法，其特征在于：所述残差卷积神经网络模型中，损失函数采用均方根误差函数：
l表示均方根误差；θ＝{W，b}，W和b分别表示网络中的权重矩阵和偏执向量；Q表示学习部分，k表示数据数量，R表示网络的残差，yk表示含噪数据，xk表示干净数据，R(yk；θ)是网络需要训练的噪音，表示为纯噪音的训练集，表示Frobenious范数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长江大学，未经长江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010438323.4/1.html，转载请声明来源钻瓜专利网。
