欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024118766803
申请人: 成都理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,包括以下步骤:获取已知的地球物理约束电磁电阻率模型数据库DL-RMD,并进行正演处理,得到正演模拟数据;

对正演模拟数据进行噪声添加,并得到数个样本对,并拆分为训练集、验证集和测试集;

搭建解耦表征学习网络,利用解耦表征学习网络输出一对解耦解析;

利用训练集对解耦表征学习网络进行训练,并进行参数调整拟合,得到训练后的解耦表征学习网络;

分别利用验证集和测试集对训练后的解耦表征学习网络进行验证和测试;

获取实际采集的半航空瞬变电磁数据,并利用训练后的解耦表征学习网络进行去噪处理,包括以下步骤:将实际采集的半航空瞬变电磁数据输入至训练后的解耦表征学习网络,得到解耦表征学习网络的双通道网络输出数据;

将双通道网络输出数据采用数组拆分的方式进行拆分,得到解耦表征学习网络的噪声预测值和信号预测值;

利用实际采集的半航空瞬变电磁数据减去解耦表征学习网络的噪声预测值,得到去噪后的数据。

2.根据权利要求1所述的基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,对正演模拟数据进行噪声添加,包括以下步骤:将正演模拟数据按1:1划分为两部分,得到第一正演模拟数据和第二正演模拟数据;

对第一正演模拟数据添加高斯噪声,其表达式为:其中,表示添加了高斯噪声后的数据;表示第一正演模拟数据;表示高斯噪声;

对第二正演模拟数据添加混合噪声,其表达式为:其中,表示添加了混合噪声后的数据;表示第二正演模拟数据;表示线性噪声;n表示背景噪声分布。

3.根据权利要求2所述的基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,所述背景噪声分布n的表达式为:其中,表示在1ms时的噪声级;表示时间。

4.根据权利要求1所述的基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,所述解耦表征学习网络包括编码器和解码器;

所述编码器包括依次连接的第一输入层、第一嵌入层和第一主干网络;所述嵌入层对第一输入层获取的添加噪声的正演模拟数据进行卷积操作,得到嵌入输出;所述第一主干网路对嵌入输出进行编码得到编码数据;

所述解码器包括依次连接的第二主干网络和第一线性层;所述第二主干网络对编码数据进行解码,得到解码数据;所述第一线性层对第二主干网络输出的解码数据进行解耦解析。

5.根据权利要求4所述的基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,所述第一主干网络和第二主干网络的结构相同,且第一主干网络包括依次连接的第二输入层、第二嵌入层、混合层、第二线性层和第二输出层;所述混合层包括依次连接的信号混合层和通道混合层;所述第二输入层获取添加噪声的正演模拟数据;所述第二嵌入层对第二输入层输入的数据进行一维卷积操作得到嵌入数据;所述信号混合层对嵌入数据进行信号混合得到第一数据;所述通道混合层对信号混合后的第一数据进行通道混合得到第二数据;所述第二线性层对通道混合后的第二数据进行全连接操作,得到第三数据。

6.根据权利要求5所述的基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,所述信号混合层包括第一令牌转移层、WKV运算层和第一归一化层;所述第一令牌转移层获取第二嵌入层输出的嵌入数据,并将嵌入数据中最后一个数据放到嵌入数据的最前端,并在通道维度进行拆分得到嵌入数据的值、健和接收值;所述WKV运算层对嵌入数据的值和健进行WKV加法注意力运算,得到第四数据;所述WKV运算层输出的第四数据与嵌入数据的接收值进行矩阵乘法处理,并送入至第一归一化层进行归一化处理,得到第五数据。

7.根据权利要求6所述的基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,所述通道混合层包括第二令牌转移层和第二归一化层;所述第二令牌转移层获取第五数据并将第五数据中最后一个数据放到第五数据的最前端,得到第五数据对应的值和接收值;所述第二令牌转移层输出的第五数据对应的值和接收值采用矩阵乘法方式进行混合处理,得到第六数据;所述第二归一化层对第六数据进行归一化处理。

8.根据权利要求4或5或6或7所述的基于解耦表征学习的半航空瞬变电磁数据去噪方法,其特征在于,利用训练集对解耦表征学习网络进行训练,并进行参数调整拟合,在解耦表征学习网络中添加总损失函数,其表达为:其中,表示信号损失函数;表示噪声损失函数;所述信号损失函数的表达为:其中,表示样本对中未添加噪声的数据;表示解耦表征学习网络输出的对信号的解耦表示;表示信号的总个数;

所述噪声损失函数的表达为:

其中,表示样本对里面添加噪声后的数据;表示解耦表征学习网络输出的对噪声的解耦表示;表示添加噪声后的数据总个数。