期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
奇异值分解(SVD)实现地震波场分离与去噪新思路
被引量:
17
1
作者
沈鸿雁
李庆春
《地球物理学进展》
CSCD
北大核心
2010年第1期225-230,共6页
依据不同性质的地震信号(反射波、折射波、直达波、面波、VSP上\下行波、多次波、随机干扰等)之间在运动学、视速度和相干性上的差异,借助某种数学变换、SVD分解与重构联合、时域与频域结合的方式,通过这些间接的处理手段,把要提取的目...
依据不同性质的地震信号(反射波、折射波、直达波、面波、VSP上\下行波、多次波、随机干扰等)之间在运动学、视速度和相干性上的差异,借助某种数学变换、SVD分解与重构联合、时域与频域结合的方式,通过这些间接的处理手段,把要提取的目标信号或要剔除的干扰信号转换到一种相干性更好的空间域中,再进行SVD分解与重构,最充分利用SVD滤波技术特点,实现地震波场分离与去噪,而不是直接对信号进行SVD分解与重构来实现地震波场分离与去噪,这样做可有效地避免以往对SVD波场分离与去噪技术应用空间狭窄、有效信号损失严重等缺陷性.
展开更多
关键词
奇异值分解(SVD)
地震波场分离与去噪
线性变换
频域数据处理
下载PDF
职称材料
线性域SVD地震波场分离与去噪方法
被引量:
8
2
作者
沈鸿雁
李庆春
《煤炭学报》
EI
CAS
CSCD
北大核心
2012年第4期627-633,共7页
由于不同性质的地震信号之间在传播特性、视速度和相干性上存在差异,依赖地震信号视速度信息,借助线性变换(如NMO、线性动校正等)手段,把有效信号或干扰信号校平,使之在横向上达到最佳相干性,目的是把有效信号或干扰信号转换到一种在横...
由于不同性质的地震信号之间在传播特性、视速度和相干性上存在差异,依赖地震信号视速度信息,借助线性变换(如NMO、线性动校正等)手段,把有效信号或干扰信号校平,使之在横向上达到最佳相干性,目的是把有效信号或干扰信号转换到一种在横向上相干性更理想的处理域中,然后通过SVD,提取目标信号的奇异值重构信号,从而实现地震波场分离与去噪。
展开更多
关键词
线性变换
奇异值分解(SVD)
波场分离与去噪
地震资料处理
下载PDF
职称材料
基于位移窗口自注意力网络和迁移学习的地震面波分离
3
作者
杨晨睿
沈鸿雁
+2 位作者
车晗
孙云鹏
刘帅
《西安石油大学学报(自然科学版)》
CAS
北大核心
2024年第6期39-50,共12页
反射地震资料中的面波也携带了丰富的地质信息,充分利用这类面波解决地质问题的前提条件是将其完整地分离出来。针对现有深度学习方法没有充分利用面波与体波表现在时空域图像中的分布位置和纹理细节等问题,提出一种基于深度学习的地震...
反射地震资料中的面波也携带了丰富的地质信息,充分利用这类面波解决地质问题的前提条件是将其完整地分离出来。针对现有深度学习方法没有充分利用面波与体波表现在时空域图像中的分布位置和纹理细节等问题,提出一种基于深度学习的地震面波分离方法。通过融合位移窗口自注意力机制和U-net主干网络,构建出面波智能分离网络,并使用数据增广后的模拟数据与实际数据构建面波数据集来提升神经网络的泛化性;在充分利用面波全局数据特征的同时,为避免波场分离过程中的面波损伤问题,提出一种对边界、结构和纹理信息敏感的混合损失函数以进一步提高面波分离的质量。通过数值模拟地震记录测试了本文方法的正确性,进而将该方法应用于实际地震资料处理。研究结果表明,在模拟地震记录训练的模型基础上进行迁移学习,可进一步提升神经网络的泛化性;相较于低通滤波法和去噪卷积神经网络方法,本文方法分离的面波更为完整,能大幅度提高能量混叠区域的面波分离质量。
展开更多
关键词
地震信号处理
面波
波场分离与去噪
深度学习
窗口自注意力网络
U-net网络
迁移学习
下载PDF
职称材料
题名
奇异值分解(SVD)实现地震波场分离与去噪新思路
被引量:
17
1
作者
沈鸿雁
李庆春
机构
西安石油大学油气资源学院
长安大学地质工程与测绘工程学院
出处
《地球物理学进展》
CSCD
北大核心
2010年第1期225-230,共6页
基金
国家"863"计划项目(2007AA06Z103)
交通部科技项目(200731881262)
陕西省科学基础研究计划项目(2007D04)联合资助
文摘
依据不同性质的地震信号(反射波、折射波、直达波、面波、VSP上\下行波、多次波、随机干扰等)之间在运动学、视速度和相干性上的差异,借助某种数学变换、SVD分解与重构联合、时域与频域结合的方式,通过这些间接的处理手段,把要提取的目标信号或要剔除的干扰信号转换到一种相干性更好的空间域中,再进行SVD分解与重构,最充分利用SVD滤波技术特点,实现地震波场分离与去噪,而不是直接对信号进行SVD分解与重构来实现地震波场分离与去噪,这样做可有效地避免以往对SVD波场分离与去噪技术应用空间狭窄、有效信号损失严重等缺陷性.
关键词
奇异值分解(SVD)
地震波场分离与去噪
线性变换
频域数据处理
Keywords
singular
value
deeomposition(SVD),
seismic wave
field
separation
and
denoising
,
linear
transforming,
data
processing
in
frequency
domain
分类号
P631 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
线性域SVD地震波场分离与去噪方法
被引量:
8
2
作者
沈鸿雁
李庆春
机构
西安石油大学油气资源学院
中国地质大学构造与油气资源教育部重点实验室
长安大学地质工程与测绘工程学院
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2012年第4期627-633,共7页
基金
中国石油科技创新基金资助项目(2010D-5006-0303)
陕西省自然科学基础研究计划资助项目(2011JQ5006)
陕西省教育厅专项科研计划资助项目(11JK0738)
文摘
由于不同性质的地震信号之间在传播特性、视速度和相干性上存在差异,依赖地震信号视速度信息,借助线性变换(如NMO、线性动校正等)手段,把有效信号或干扰信号校平,使之在横向上达到最佳相干性,目的是把有效信号或干扰信号转换到一种在横向上相干性更理想的处理域中,然后通过SVD,提取目标信号的奇异值重构信号,从而实现地震波场分离与去噪。
关键词
线性变换
奇异值分解(SVD)
波场分离与去噪
地震资料处理
Keywords
linear
transform
singular
value
decomposition(SVD)
seismic wave
field
separation
and
denoising
seismic
data
processing
分类号
P631.414 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
基于位移窗口自注意力网络和迁移学习的地震面波分离
3
作者
杨晨睿
沈鸿雁
车晗
孙云鹏
刘帅
机构
西安石油大学地球科学与工程学院
陕西省油气成藏地质学重点实验室
出处
《西安石油大学学报(自然科学版)》
CAS
北大核心
2024年第6期39-50,共12页
基金
陕西省自然科学基础研究计划项目(2017JZ007)
陕西省重点研发计划项目(2022GY-148)。
文摘
反射地震资料中的面波也携带了丰富的地质信息,充分利用这类面波解决地质问题的前提条件是将其完整地分离出来。针对现有深度学习方法没有充分利用面波与体波表现在时空域图像中的分布位置和纹理细节等问题,提出一种基于深度学习的地震面波分离方法。通过融合位移窗口自注意力机制和U-net主干网络,构建出面波智能分离网络,并使用数据增广后的模拟数据与实际数据构建面波数据集来提升神经网络的泛化性;在充分利用面波全局数据特征的同时,为避免波场分离过程中的面波损伤问题,提出一种对边界、结构和纹理信息敏感的混合损失函数以进一步提高面波分离的质量。通过数值模拟地震记录测试了本文方法的正确性,进而将该方法应用于实际地震资料处理。研究结果表明,在模拟地震记录训练的模型基础上进行迁移学习,可进一步提升神经网络的泛化性;相较于低通滤波法和去噪卷积神经网络方法,本文方法分离的面波更为完整,能大幅度提高能量混叠区域的面波分离质量。
关键词
地震信号处理
面波
波场分离与去噪
深度学习
窗口自注意力网络
U-net网络
迁移学习
Keywords
seismic
data
processing
surface
wave
wave
field
separation
and
denoising
deep
learning
window
self-attention
network
U-net
transfer
learning
分类号
TE19 [石油与天然气工程—油气勘探]
P315 [天文地球—地震学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
奇异值分解(SVD)实现地震波场分离与去噪新思路
沈鸿雁
李庆春
《地球物理学进展》
CSCD
北大核心
2010
17
下载PDF
职称材料
2
线性域SVD地震波场分离与去噪方法
沈鸿雁
李庆春
《煤炭学报》
EI
CAS
CSCD
北大核心
2012
8
下载PDF
职称材料
3
基于位移窗口自注意力网络和迁移学习的地震面波分离
杨晨睿
沈鸿雁
车晗
孙云鹏
刘帅
《西安石油大学学报(自然科学版)》
CAS
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部