申请/专利权人：中国石油大学(华东)

申请日：2023-12-26

公开（公告）日：2024-04-02

公开（公告）号：CN117808042A

主分类号：G06N3/0455

分类号：G06N3/0455;G06N3/0464;G06N3/0495;G06N3/096;G06F18/25;G06F18/213;G06F18/27;G01V1/28;G01V1/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种多感受野知识蒸馏回归网络的地震波速度建模方法。通过实施蒸馏架构，地震记录被分为"是‑否"噪声的两条路径。它们之间的相互学习，网络可以捕捉并表示重要的上下文信息，作为一种内在监督形式，从而减少了噪音对地震记录的影响。本发明首次提出的多感受野知识蒸馏网络可以有效帮助地质勘探解决地震速度问题，挖掘地震波频率的相关性，并基于学习到的相关性构建新的地震波特征，从而实现高质量的地震波速度模型构建。在SEGSalt和Simulated数据集上进行的大量实验表明，该模型在速度建模方面取得了很好的结果。在未来的工作中，我们将继续探索如何更好地学习炮记录的语义，并有效地将其集成以进行速度建模。

主权项：1.一种多感受野知识蒸馏的地震波速度建模方法，其特征在于，所述方法包括以下步骤：S1.采用双边蒸馏架构，将炮记录分为“有-无”噪音两条路径，通过他们之间的相互学习，来提高反演结果的质量和鲁棒性。S2.结合S1中的局部信息基础特征，利用多感受野模块挖掘地震波频率的关联性，根据学习到的关联度，构建新的地震波特征。S3.结合S1中的网络和S2中的网络构建一种多感受野知识蒸馏的地震波速度建模网络架构。所述S1的具体过程为：与其他编码器不同的是，多感受野模块可以根据地震波的局部信息基础特征，利用多感受野模块挖掘地震波频率的相关性，并根据学习到的相关性构建新的地震波特征。此外，使用SRTransformerBlock作为解码器可以捕捉地震波特征之间的长程依赖关系，也能更好地捕捉特征的全局上下文信息。原始地震波记录的维度为C0×W0×H0C0＝29,W0＝1800,H0＝301，通过CNN网络提取特征，将原始数据变为维度为C1×W1×H1C1＝29,W1＝360,H1＝301的S和Snoise。特征S和Snoise作为网络的输入，首先经过编码器，然后由SRTransformerBlock解码，最后得到维度为Cout×Wout×H1Cout＝1,Wout＝201的速度模型V和Vnoise作为输出。这一过程的计算方法如下：V＝DeEnS1Vnoise＝DeEnSnoise2其中De、En和分别表示向解码器和编码器。网络由四个编码器组成，每个编码器由一个多感受野模块组成。每层编码器的输出数据高度和宽度都是前一层的一半，通道数是前一层的两倍。这个过程的计算方法是：Sen＝EnSen-1,n＝1,2,3,4,Se0＝S3 其中，Se1的维度为C2×W2×H2C2＝64,W2＝180,H2＝151；当n≥1时，Sen的维度为特征的维度与特征Sen的维度相同。最终输出特征Se4和经过一层3×3卷积核，得到中间特征Sc和Scnoise，作为解码器处理过程的输入特征：Sc＝CenterSe45 其中Sc的维度为C6×W5×H5C6＝1024。Scnoise的维度与Sc的维度相同。与编码器同步，网络包含四个数据解码器阶段。每次特征扩展时，宽度和高度都是上一层的两倍，通道数则是上一层的一半。第一次数据扩展的计算过程如下：Sd4＝DeSc7 其中，Sd4的维度为C5×W4×H4，当n＝[1,2,3]时，Sdn的维度为Cn+1×Wn×Hn。的维度与Sdn的维度相同。所述S2的具体过程为：我们将X定义为多感受野模块的输入，将Y定义为输出。X的维度是C×W×H，而Y的维度是多感受野模块由三个并行分支组成，每个分支通过一系列具有不同感受野的扩张卷积来实现。具体来说，第一个分支使用一个3×3的卷积进行特征映射；第二个分支使用一个3×3的卷积和一个1×1的卷积进行特征映射；第三个分支使用两个3×3的卷积和一个1×1的卷积进行特征映射。这些操作的计算公式如下：Xf＝Conv3X9Xs＝Conv1Conv3X10Xt＝Conv1Conv3Conv3X11其中，Conv3表示单层3×3卷积，Conv1表示单层1×1卷积。然后，将这三个特征进行串联运算，得到高级多尺度细粒度融合特征，经过一层归一化处理后与输入特征X相加，再经过一层1×1卷积，得到输出特征Y。这些操作的计算公式如下：Y＝Conv1LNConcatXf,Xs,Xt+X12其中，Concat是一个连接操作，用于连接特征，LN表示归一化操作。此外，在每层卷积之后，还添加了批量归一化BN和ReLU激活函数层，以进一步防止梯度消失，加快收敛速度。为了保持特征维度的一致性，在进行线性运算后还会进行并集运算。最后一步卷积操作也是为了获得所需的输出特征维度。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种多感受野知识蒸馏的地震波速度建模方法

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