买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明涉及一种基于Transformer地震勘探数据低频延拓方法，包括设计神经网络训练的输入和输出数据尺寸；训练集的构建；测试集的构建；设计多头自注意力模块；设计Transformer模块；设计窗口Transformer模块和滑动窗口Transformer模块；设计整体网络结构；设置网络训练超参数；将训练数据输入网络进行训练；验证提出方法的低频延拓效果和泛化性。本发明使用Transformer模型对数据进行全局建模来拟合缺失低频分量数据和低频数据之间的映射关系，该方法提高了对全局信息的利用，增加了预测精度。窗口自注意力机制的使用有效节省了计算成本，使该方法在计算效率上也优于经典深度学习方法。

主权项：1.一种基于Transformer地震勘探数据低频延拓方法，其特征在于，包括以下步骤：a、训练数据集的构建：a1、利用SEAM速度模型进行正演生成用于训练的模拟记录，将速度模型按照区域和地层复杂程度划分为若干个子模型；a2、将所得的子模型通过插值的方式扩张到与完整速度模型相同大小的尺寸，并在每个模型上加上水层；a3、使用缺失低频的雷克子波和完整频带的雷克子波依次对子模型进行正演，得到模拟记录；a4、将缺失低频雷克子波的正演数据作为高频分量，并将完整频带的雷克子波经低通滤波得到低频分量；a5、将高频分量和对应的低频分量拆分成一维时间序列得到用于输入网络的低频缺失数据及用作标签的低频数据；b、测试数据集的构建：利用公开Marmousi速度模型，并设置与步骤a中相同的地震子波、采样时长、采样间隔和网格间距等正演参数进行正演模拟，获得测试数据集；c、结合数据特性，设计用于低频延拓的Transformer网络；c1设计多头自注意力模块；c2、设计Transformer模块；c3、设计窗口Transformer模块和滑动窗口Transformer模块；c4、设计整体网络结构；d、设置网络训练超参数，采用均方误差作为损失函；e、将低频缺失的数据输入网络进行训练，计算输出结果和真实低频分量之间的损失函数，利用Adam优化器对网络参数进行更新来实现损失函数的最小化，在损失趋于稳定之后结束训练；f、将训练完成的模型用于低频信息的预测，将利用Marmousi模型构建的测试数据输入训练完成的Transformer模型中来验证提出方法的低频延拓效果和泛化性。

全文数据：

权利要求：

百度查询： 吉林大学 基于Transformer地震勘探数据低频延拓方法