基于MobileViT的岩石薄片图像岩性识别方法研究 被引量：4

1

作者 王琼 杨杰 +3 位作者 霍凤财 董宏丽 任伟建 于涛 《地质通报》 CAS CSCD 北大核心 2024年第6期938-946,共9页

岩石薄片图像中包含了大量肉眼无法观察到的地质特征信息,对岩石薄片图像的岩性识别结果为后续的石油勘探和开发奠定了基础。针对岩性识别数据集不均衡、识别模型参数多等问题,提出一种改进的轻量化MobileViT模型,该模型针对涵盖了90%... 岩石薄片图像中包含了大量肉眼无法观察到的地质特征信息,对岩石薄片图像的岩性识别结果为后续的石油勘探和开发奠定了基础。针对岩性识别数据集不均衡、识别模型参数多等问题,提出一种改进的轻量化MobileViT模型,该模型针对涵盖了90%以上常见岩性的岩石薄片图像进行建模分析。首先,为使模型更好地学习到每类岩石薄片图像中所包含的独特特征,对数据集进行数字增加。其次,使用GELU替换MobileViT中MV2模块中常规ReLU6,从而作为该模块的激活函数,有效解决神经元死亡的问题,提升模型的收敛速度。最后,划分训练集和测试集,使用余弦退火算法自动更新学习率,以迁移学习加速训练过程,实现岩石薄片图像中针对岩性的自动识别。实验结果表明,改进后的MobileViT对岩性识别的准确率达82.9%,模型的参数仅为7.66M,通过实例验证该算法具有较好的鲁棒性。 展开更多

关键词 岩石薄片 岩性识别 MobileViT 余弦退火 轻量化

在线阅读 下载PDF 职称材料

基于贝叶斯单源域领域泛化算法的天然气管道故障智能诊断 被引量：4

2

作者 董宏丽 商柔 +3 位作者 汪涵博 王闯 陈双庆 管闯 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期27-37,共11页

基于深度学习算法的故障智能诊断模型已被广泛应用于天然气管道运输安全领域,然而管道通常处于准稳态,使得训练集中的故障样本量受限。为此,针对天然气管道故障诊断中因训练集故障样本量有限,导致难以准确诊断的问题,提出了一种基于贝... 基于深度学习算法的故障智能诊断模型已被广泛应用于天然气管道运输安全领域,然而管道通常处于准稳态,使得训练集中的故障样本量受限。为此,针对天然气管道故障诊断中因训练集故障样本量有限,导致难以准确诊断的问题,提出了一种基于贝叶斯单源域领域泛化(BSDG)算法,部署了一种攻击防御策略,通过在攻击阶段明确伪目标域增强路径,并在防御阶段引导模型参数的后验分布向伪域样本得分更高的方向调整,增强模型在面对不同域扰动时的适应性和鲁棒性。研究结果表明:(1)基于贝叶斯网络建立的非定向攻击模型确保伪域样本既保留了与源域的相关性,又引入了足够的域差异来模拟潜在的目标域,由此提升了多源域和单源域设置下的领域泛化诊断准确率;(2)测试结果显示,BSDG算法在多源域泛化任务及两项单源域泛化任务中,相较于性能最优的对比算法,其准确率分别提高了9.79%、5.09%和27.98%;(3)裕度差异损失通过在学习决策边界的过程中引入不确定性,令分类器可以灵活且有效应对频繁的分布变化,显著性测试结果表明BSDG算法在多数场景下显著优于先进对比算法;(4)贝叶斯神经网络通过在权重上引入不确定性,有效提升了BSDG算法的泛化稳定性。结论认为,BSDG算法通过使用基于贝叶斯推理的攻击防御策略,有效扩展了源域模型的决策边界,解决了实际场景数据匮乏导致的深度神经网络泛化能力差的问题,为样本受限情形下的天然气管道故障诊断模型设计提供了理论支撑。 展开更多

关键词 天然气管道 故障智能诊断 迁移学习 贝叶斯神经网络 小样本问题 泛化能力

在线阅读 下载PDF 职称材料

重放攻击下多智能体系统H_(∞)一致性PID控制

3

作者 宋金波 董宏丽 +1 位作者 申雨轩 侯男 《控制理论与应用》 EI CAS CSCD 北大核心 2024年第4期658-666,共9页

本文针对一类带有加性噪声和乘性噪声的离散多智能体系统,研究重放攻击下多智能体系统的H_(∞)一致性比例-积分-微分(PID)控制问题.首先,根据智能体的测量输出设计状态观测器,对智能体的状态进行有效估计,观测器设计过程中考虑了系统测... 本文针对一类带有加性噪声和乘性噪声的离散多智能体系统,研究重放攻击下多智能体系统的H_(∞)一致性比例-积分-微分(PID)控制问题.首先,根据智能体的测量输出设计状态观测器,对智能体的状态进行有效估计,观测器设计过程中考虑了系统测量输出从传感器传输到观测器过程中受到重放网络攻击的影响.然后,利用智能体与其邻居智能体的估计状态差设计PID控制器.利用李雅普诺夫稳定性理论和代数图论,证明在该控制策略下,多智能体系统在重放攻击存在的情况下达到预期的H_(∞)性能指标.最后,利用线性矩阵不等式(LMI)方法求解观测器和控制器增益,利用数值仿真验证了所设计的观测器和PID控制器的有效性. 展开更多

关键词 多智能体 重放攻击 PID控制 H_(∞)性能 观测器

在线阅读 下载PDF 职称材料

基于门控注意网络模型的天然气管道泄漏检测新方法 被引量：2

4

作者 董宏丽 孙桐 +2 位作者 王闯 杨帆 商柔 《天然气工业》 北大核心 2025年第1期25-36,共12页

准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模... 准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模型的初始超参数选择通常是随机的,这也可能会导致识别性能不稳定。为了提升天然气管道泄漏检测的准确性,提出一种基于麻雀搜索算法的门控注意网络模型(Sparrow Search Algorithm-based Gate Attention Network, SGAN)。首先,为了提取有效且具有鲁棒性的数据特征,采用带交叉熵函数的麻雀搜索算法对门控循环单元的初始超参数进行全局搜索;然后,设计了一种异常注意力机制,通过对数据特征进行加权来放大正常和泄漏数据之间的区分差异;最后,将所提算法应用于天然气管道的泄漏检测。研究结果表明:(1) SGAN模型能够实现模型超参数的自适应优化,并加快了模型的收敛速度,使模型性能更加稳定;(2) SGAN模型通过对正常与泄漏特征进行加权处理,显著提升了数据特征的区分效果;(3) SGAN模型的学习表示能力和泛化能力得到了明显加强,以此提高了对数据的分类性能;(4) SGAN模型能够显著提高天然气管道泄漏检测的准确率和召回率,可减少误报率和漏报率,并且其性能明显优于常规分类算法。结论认为,SGAN模型通过自适应优化和异常注意力机制结合,能精准识别泄漏特征,并快速响应天然气管道中的泄漏情况,有效提升了检测的准确性和可靠性,显著降低了安全事故风险,为天然气管道泄漏检测提供了一种高效、智能的解决新方案。 展开更多

关键词 天然气管道 泄漏检测 麻雀搜索算法 门控循环单元 异常注意力机制 自适应优化 智能

在线阅读 下载PDF 职称材料

基于轻量化U⁃Net的高效地震速度反演方法

5

作者 张岩 王海潮 +3 位作者 姚亮亮 陈柏汉 李新月 孟德聪 《石油地球物理勘探》 北大核心 2025年第4期817-827,共11页

智能地震速度反演是当前地震勘探中的热点、难点,然而复杂的深度学习网络结构对硬件设备的算力要求较高,限制了模型在数据量大和时效性要求高的场景中的应用。为了解决上述问题,根据特征工程和模型轻量化的思想改进了U‑Net,提出适用于GP... 智能地震速度反演是当前地震勘探中的热点、难点,然而复杂的深度学习网络结构对硬件设备的算力要求较高,限制了模型在数据量大和时效性要求高的场景中的应用。为了解决上述问题,根据特征工程和模型轻量化的思想改进了U‑Net,提出适用于GPU的反演网络U‑Net vG和适用于CPU的反演网络U‑Net vC。首先分析速度反演网络的特点,得出卷积神经网络的轻量化原则;然后通过对多尺度模块、注意力门模块及特征提取模块进行轻量化处理得到轻量级速度建模卷积神经网络,在保持预测准确性的同时减小网络体积。数据测试结果表明,该网络训练过程对高性能硬件资源的需求更低,可以实现高效速度反演,具有更高的地震速度反演精度,具有较高的抗噪性。该方法可为解决地震数据反演中的算力瓶颈问题提供新思路。 展开更多

关键词 地震速度反演 深度学习 U‑Net 轻量化 特征提取

在线阅读 下载PDF 职称材料

优化损失函数的低信噪比微地震信号去噪方法

6

作者 高宏宇 宋雪岩 +1 位作者 张译文 郝枫桦 《石油物探》 北大核心 2025年第3期522-532,共11页

检波器采集的实际微地震数据所包含的噪声类型复杂,数据的信噪比极低,传统的去噪方法无法清晰识别有效信号和噪声。为此,提出了一种优化损失函数约束的融合残差注意力的深度卷积自编码网络(RADNet)去噪方法。该方法使用深度卷积自编码... 检波器采集的实际微地震数据所包含的噪声类型复杂,数据的信噪比极低,传统的去噪方法无法清晰识别有效信号和噪声。为此,提出了一种优化损失函数约束的融合残差注意力的深度卷积自编码网络(RADNet)去噪方法。该方法使用深度卷积自编码结构对含噪数据进行局部特征提取并融合全局特征,利用注意力机制对不同特征进行权重分配,同时引入优化后的损失函数指导网络训练,最后基于残差网络构建去噪后的有效信号。为验证所提方法的有效性,分别将RADNet方法应用于仿真和实际微地震数据处理,并与现有的去噪方法进行对比分析。实验结果表明,RADNet去噪方法相较于基准的去噪卷积神经网络(DnCNN)和深度卷积自编码网络峰值信噪比(PSNR)分别提升了2.783 dB和8.099 dB,结构相似度(SSIM)分别提升了0.031和0.065。此外,与同类方法相比,提出的RADNet去噪方法均方误差(MSE)更低,并且能够更好地保留微地震数据中的有效信号及同相轴波形纹理细节。 展开更多

关键词 卷积神经网络 微地震 随机噪声 低信噪比 损失函数 深度卷积自编码

在线阅读 下载PDF 职称材料

基于多模态时序对比生成网络的数据增强算法

7

作者 商柔 董宏丽 +3 位作者 王闯 周国强 管闯 闫天红 《控制理论与应用》 北大核心 2025年第4期805-815,共11页

针对工业故障诊断中的小样本和类不平衡问题,本文提出一种基于马尔可夫链的多模态时序对比生成模型(TCGN).首先,为了提升合成数据时间结构的真实性,设计了一种时序趋势一致化损失(TTC),以提升真实数据与合成数据之间时间演化规律的相似... 针对工业故障诊断中的小样本和类不平衡问题,本文提出一种基于马尔可夫链的多模态时序对比生成模型(TCGN).首先,为了提升合成数据时间结构的真实性,设计了一种时序趋势一致化损失(TTC),以提升真实数据与合成数据之间时间演化规律的相似度.随后,为了在增强数据集中形成有效且正确的决策边界,提出了一种类意识对比损失(CAC),以对齐真实数据与合成数据的类条件分布.此外,为了更好地维持不同学习任务之间的动态平衡,引入了一种基于马尔可夫链的多模态切换策略,以实现TCGN算法在生成、刻画、探索、收敛4个模态之间的自适应切换优化.最后,将所提出的TCGN算法应用于管道故障诊断.实验结果表明TCGN算法在视觉评估和量化指标方面均优于一些先进的生成算法,显著提高了故障诊断准确率. 展开更多

关键词 管道故障诊断 类别不平衡 时间序列 数据增强 马尔可夫链 多任务学习

在线阅读 下载PDF 职称材料

基于VMD去噪及多尺度模糊熵的管道小泄漏研究 被引量：17

8

作者 张勇 刘洁 +3 位作者 路敬祎 杨文武 韦焱文 周兴达 《电子测量技术》 北大核心 2021年第22期37-43,共7页

针对天然气管道微小泄漏信号的特征在单一尺度上难以全面提取的问题,提出一种基于变分模态分解(VMD)与多尺度模糊熵(MFE)结合的管道小泄漏信号识别方法。首先使用VMD算法对管道负压波信号进行降噪处理,通过欧氏距离(ED)法评估确定VMD分... 针对天然气管道微小泄漏信号的特征在单一尺度上难以全面提取的问题,提出一种基于变分模态分解(VMD)与多尺度模糊熵(MFE)结合的管道小泄漏信号识别方法。首先使用VMD算法对管道负压波信号进行降噪处理,通过欧氏距离(ED)法评估确定VMD分解的有效模态并对其进行重构,以重构信号信噪比最高原则确定VMD分解的模态个数;将多尺度模糊熵作为故障特征值向量,最后用支持向量机对特征值向量进行分类识别。实验结果表明:该方法对管道信号状态整体识别率达99.33%,证明了该方法总体识别效果较好,可实现对管道小泄漏信号的准确识别。 展开更多

关键词 变分模态分解 欧氏距离 多尺度模糊熵 支持向量机 小泄漏信号识别

在线阅读 下载PDF 职称材料

基于改进U-Net的微地震事件识别方法

9

作者 董春峰 张岩 +1 位作者 刘小秋 董宏丽 《吉林大学学报(地球科学版)》 北大核心 2025年第3期970-986,共17页

微地震事件识别是水力压裂微地震监测数据处理的一个关键环节,当前基于深度学习的微地震事件识别方法在有效事件特征提取和抗噪方面存在一定的局限,无法满足后续微地震震源定位、反演等工作的要求。本文提出基于改进U-Net的微地震事件... 微地震事件识别是水力压裂微地震监测数据处理的一个关键环节,当前基于深度学习的微地震事件识别方法在有效事件特征提取和抗噪方面存在一定的局限,无法满足后续微地震震源定位、反演等工作的要求。本文提出基于改进U-Net的微地震事件识别方法,该方法在U-Net下采样过程中引入残差收缩模块,通过残差块实现网络结构的跨层连接以减少模型训练时特征信息的损失,结合软阈值收缩技术削弱微地震数据中噪声特征的干扰,增强模型的抗噪能力;在上采样过程中引入注意力门机制,通过门控信号对提取到的微地震数据特征向量进行加权,使模型重点关注数据中含有微地震事件的区域,提高模型有效特征的提取能力与识别精度。合成和实际微地震数据实验结果表明,本文方法可充分提取有效微地震事件特征,相比于传统卷积神经网和残差网络能更准确地识别出微地震事件,测试集准确率分别提高6.28%、3.70%,尤其对能量弱的微地震信号的识别精度高于同类网络模型,并具有较好的抗噪与泛化能力。 展开更多

关键词 微地震事件识别 U-Net 残差收缩模块 注意力门 信号处理

在线阅读 下载PDF 职称材料

虚假数据注入攻击下孤岛微电网分布式二级电压弹性控制

10

作者 赵天保 韩非 +3 位作者 刘庆强 董宏丽 宋艳华 王梅 《控制工程》 北大核心 2025年第9期1594-1602,共9页

针对虚假数据注入攻击导致孤岛微电网系统的电压偏离额定值的问题,提出一种基于辅助系统的分布式二级电压弹性控制策略。通过构造与网络层有通信互连的辅助系统,借助内部变量调节微电网遭受虚假数据注入攻击的同步误差,使孤岛微电网系... 针对虚假数据注入攻击导致孤岛微电网系统的电压偏离额定值的问题,提出一种基于辅助系统的分布式二级电压弹性控制策略。通过构造与网络层有通信互连的辅助系统,借助内部变量调节微电网遭受虚假数据注入攻击的同步误差,使孤岛微电网系统的电压恢复到额定值。利用李雅普诺夫稳定性方法证明了弹性控制策略能够削弱攻击影响,可以更好地抵抗虚假数据注入攻击给系统带来的波动。最后,通过MATLAB/Simulink仿真实验验证了分布式二级电压弹性控制策略的有效性和可行性。 展开更多

关键词 孤岛微电网 虚假数据注入攻击 分布式二级控制 弹性控制

在线阅读 下载PDF 职称材料

基于特征强化U⁃Net的地震速度反演方法 被引量：7

11

作者 张岩 孟德聪 +1 位作者 宋利伟 董宏丽 《石油地球物理勘探》 EI CSCD 北大核心 2024年第2期185-194,共10页

基于深度神经网络的地震速度反演方法面临的挑战是:时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性;神经网络将地震数据映射到速度模型过程中缺少有效引导,易受噪声干扰,影响反演精度。为此,提出一种基于特征强化U‑Ne... 基于深度神经网络的地震速度反演方法面临的挑战是:时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性;神经网络将地震数据映射到速度模型过程中缺少有效引导,易受噪声干扰,影响反演精度。为此,提出一种基于特征强化U‑Net的地震速度反演方法。首先,通过多炮地震数据特征叠加使输入网络的地震时间序列信号与对应速度模型之间的空间关系更加明确;其次,基于多尺度特征融合的思想设计具有不同尺寸卷积核的模块,以增强网络对有效特征的学习能力;然后,利用注意力门引导网络,增强网络重点关注的特征;最后,结合瓶颈残差和预激活的思想,在网络中加入预激活瓶颈残差,避免梯度消失和网络退化。实验表明,该方法在地震速度反演方面具有更高的精度,并在抗噪声测试中效果较好,具有一定的泛化能力。 展开更多

关键词 地震速度反演 深度学习 注意力 多尺度 特征融合 特征强化

在线阅读 下载PDF 职称材料

基于多模态神经网络的微地震事件检测 被引量：2

12

作者 张岩 刘小秋 +2 位作者 王海潮 宋利伟 董宏丽 《石油物探》 CSCD 北大核心 2024年第4期790-806,共17页

针对微地震有效信号时序特征存在的局限导致微地震事件识别准确率不高的问题,提出了一种基于多模态学习的神经网络微地震事件检测方法。首先,利用道集数据的相关性以目标道为轴对称制作多道时域模态,对目标道进行时频分析得到S域模态特... 针对微地震有效信号时序特征存在的局限导致微地震事件识别准确率不高的问题,提出了一种基于多模态学习的神经网络微地震事件检测方法。首先,利用道集数据的相关性以目标道为轴对称制作多道时域模态,对目标道进行时频分析得到S域模态特征;然后,联合时域模态和S域模态设计微地震事件检测神经网络,综合多模态的特征进行训练学习,提高微地震事件识别的精度;最后,为验证方法的有效性,对合成微地震信号进行低信噪比数据分析、小幅值数据分析以及实际油井微地震监测信号事件分析。结果表明,该方法可以有效检测低信噪比及微弱的微地震事件;与支持向量机、卷积神经网络、基于监督机器学习方法的对比实验结果表明该方法具有更高的抗噪性与准确率。 展开更多

关键词 微地震 事件检测 拉普拉斯变换 多模态网络 时频谱 道集数据相关性

在线阅读 下载PDF 职称材料

应用生成对抗网络的地震数据重建和去噪一体化方法 被引量：2

13

作者 张岩 张一鸣 +1 位作者 董宏丽 宋利伟 《石油地球物理勘探》 EI CSCD 北大核心 2024年第4期714-723,共10页

在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一... 在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征。首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向。其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务。最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性。 展开更多

关键词 地震数据处理 重建与去噪一体化 深度学习 生成对抗网络 一体化损失函数

在线阅读 下载PDF 职称材料

基于VMD的广义三次互相关管道泄漏定位检测 被引量：4

14

作者 王冬梅 童影力 +1 位作者 何壮 路敬祎 《压力容器》 北大核心 2024年第2期72-80,共9页

针对天然气管道泄漏检测声波定位技术中,二次互相关时延估计算法存在较大误差的问题,提出了一种基于变分模态分解(VMD)结合广义三次互相关的时延估计算法。该方法首先利用VMD算法对两路信号进行分解并重构信号;其次,在二次互相关的基础... 针对天然气管道泄漏检测声波定位技术中,二次互相关时延估计算法存在较大误差的问题,提出了一种基于变分模态分解(VMD)结合广义三次互相关的时延估计算法。该方法首先利用VMD算法对两路信号进行分解并重构信号;其次,在二次互相关的基础上再进行一次相关,并在互相关算法的峰值检测阶段引入希尔伯特变换(HT),对峰值进行尖锐化处理,成为一种新型的广义三次互相关时延估计算法。通过对平台搭建的油气管道泄漏检测系统采集数据进行模拟试验,分析了各算法的精度。试验表明,相较于二次互相关,改进广义三次互相关时延估计算法定位平均精度有明显的提升,有着更高的精度和更好的抗噪性能,在天然气管道泄漏定位方面有着更广泛的应用前景。 展开更多

关键词 管道泄漏检测 变分模态分解 广义三次互相关 希尔伯特变换(HT)

在线阅读 下载PDF 职称材料

改进注意力机制嵌入PR-Net模型的水稻病害识别仿真 被引量：1

15

作者 路阳 刘鹏飞 +3 位作者 许思源 刘启旺 顾福谦 王鹏 《系统仿真学报》 CAS CSCD 北大核心 2024年第6期1322-1333,共12页

针对现有的CNN模型在水稻叶部病害的识别中准确率较低的问题,提出了一种结合并行结构和残差结构的混合卷积神经网络模型PRC-Net(parallel residual with coordinate attention network)。引入并行结构,提高卷积的感受野;结合残差结构,... 针对现有的CNN模型在水稻叶部病害的识别中准确率较低的问题,提出了一种结合并行结构和残差结构的混合卷积神经网络模型PRC-Net(parallel residual with coordinate attention network)。引入并行结构,提高卷积的感受野;结合残差结构,使特征信息完整的连续传递;在骨干模型PR-Net中嵌入改进的空间注意力机制,增强对不同尺度病斑特征信息的凝聚程度;为进一步提升病害识别的准确率,并减少模型的训练时间和推理时间,通过改变加权方式对模型结构进行优化。仿真结果表明:与InceptionResNetV2等分类模型相比,PRC-Net具有更少的训练参数、更短的训练时间和更高的识别精度,性能优于其他作物病害识别模型。 展开更多

关键词 水稻叶部病害 PRC-Net(parallel residual with coordinate attention network) 卷积神经网络 注意力机制 图像识别

在线阅读 下载PDF 职称材料

基于核聚类的砂岩图像孔隙分割方法

16

作者 王梅 宋晓晖 +2 位作者 王治国 韩非 于源泽 《石油物探》 CSCD 北大核心 2024年第5期1051-1060,共10页

砂岩孔隙识别是研究孔隙结构的一个重要步骤,采用通用的图像分割算法不易得到理想的图像孔隙分割效果,为此提出了一种使用EfficientNetV2-S模型和核K-Means聚类技术对孔隙进行分割的方法。首先,获得砂岩图像的超像素集合,使用超像素方... 砂岩孔隙识别是研究孔隙结构的一个重要步骤,采用通用的图像分割算法不易得到理想的图像孔隙分割效果,为此提出了一种使用EfficientNetV2-S模型和核K-Means聚类技术对孔隙进行分割的方法。首先,获得砂岩图像的超像素集合,使用超像素方法预分割输入的致密砂岩图像,构建带标签的孔隙与非孔隙图像库;然后,应用EfficientNetV2-S模型提取砂岩图像的孔隙和非孔隙的语义特征,并结合迁移学习的方法,使用有限的砂岩图像的孔隙和非孔隙样本进行EfficientNetV2-S模型参数学习;最后,设计了一种基于K-Means聚类的区域合并方法——NTK-KCoP方法,根据超像素的语义特征、灰度特征和边缘特征构建目标函数,再由聚类结果合并超像素得到完整的孔隙区域。砂岩CT图像的实验结果验证了所提出的孔隙分割方法的适用性和有效性。 展开更多

关键词 砂岩CT图像 图像分割 超像素 EfficientNetV2-S 核聚类

在线阅读 下载PDF 职称材料

基于联合深度学习的地震数据随机噪声压制 被引量：18

17

作者 张岩 李新月 +2 位作者 王斌 李杰 董宏丽 《石油地球物理勘探》 EI CSCD 北大核心 2021年第1期9-25,56,I0007,共19页

噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频... 噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频域的特征提取,导致局部过平滑或纹理模糊的现象;此外,传统卷积神经网络的卷积核往往采用固定较小的尺寸,限制了感受野大小,容易导致地震数据特征信息提取不充分。为此,提出一种基于联合深度学习的地震数据随机噪声压制方法。首先,考虑时域和频域两方面的特征信息,利用联合误差定义损失函数,改善特征提取效果;其次,通过分析卷积核大小和网络深度对感受野大小的影响,采用扩充卷积的方式,增加地震数据特征提取的多样性,减少地震数据细节的损失;再次,根据网络输入与输出数据具有相似性的特点,引入残差学习策略;最后,利用批归一化算法加快模型收敛,提高地震数据去噪效率。与同类算法对比实验表明,应用所提出的方法可得到更好的同相轴纹理保持效果和较高的信噪比。 展开更多

关键词 地震数据噪声压制 深度学习 联合损失函数 扩充卷积 残差网络 纹理 信噪比

在线阅读 下载PDF 职称材料

基于深度学习的鲁棒地震数据去噪 被引量：18

18

作者 张岩 李新月 +3 位作者 王斌 李杰 王洪涛 董宏丽 《石油地球物理勘探》 EI CSCD 北大核心 2022年第1期12-25,I0001,共15页

地震勘探数据中包含的噪声比较复杂,基于先验的传统建模方式无法准确地刻画噪声分布。深度学习通过多层卷积神经网络自动提取数据的深层次特征,利用非线性逼近能力自适应地学习而得到一个复杂的去噪模型,为地震数据去噪带来了新思路。但... 地震勘探数据中包含的噪声比较复杂,基于先验的传统建模方式无法准确地刻画噪声分布。深度学习通过多层卷积神经网络自动提取数据的深层次特征,利用非线性逼近能力自适应地学习而得到一个复杂的去噪模型,为地震数据去噪带来了新思路。但是,目前基于深度学习的去噪方法在样本覆盖不充分的情况下,学习得到的模型泛化能力不强,极大地降低了去噪效果。为此,提出一种鲁棒的深度学习去噪算法。该方法的网络模型由两部分子网构成,分别实现含噪地震数据的噪声分布估计与噪声压制。噪声分布估计子网采用多层卷积神经网络估计噪声分布;去噪子网引入特征融合策略,综合考虑地震数据的全局和局部信息,利用残差学习策略提取噪声特征;两部分子网采用L;范数作为损失函数,增强网络模型的泛化能力。实验表明,与同类算法相比,该算法具有更高的泛化能力;数据处理结果中同相轴纹理保持更好,信噪比更高。 展开更多

关键词 地震数据去噪 深度学习 鲁棒性 L 损失函数 特征融合 残差网络

在线阅读 下载PDF 职称材料

基于事件触发的全信息粒子群优化器及其应用 被引量：7

19

作者 王闯 韩非 +2 位作者 申雨轩 李学贵 董宏丽 《自动化学报》 EI CAS CSCD 北大核心 2023年第4期891-903,共13页

针对标准粒子群优化算法存在早熟收敛和容易陷入局部最优的问题,本文提出了一种基于事件触发的全信息粒子群优化算法(Event-triggering-based full-information particle swarm optimization,EFPSO).首先,引入一类基于粒子空间特性的事... 针对标准粒子群优化算法存在早熟收敛和容易陷入局部最优的问题,本文提出了一种基于事件触发的全信息粒子群优化算法(Event-triggering-based full-information particle swarm optimization,EFPSO).首先,引入一类基于粒子空间特性的事件触发策略实现粒子群优化算法(Particle swarm optimization,PSO)的模态切换,更好地维持了算法搜索和收敛能力之间的动态平衡.然后,鉴于引入历史信息能够降低算法陷入局部最优的可能性,提出一种全信息策略来克服PSO算法搜索能力不足的缺陷.数值仿真实验表明,EFPSO算法在种群多样性、收敛率、成功率方面优于其他改进的PSO算法.最后,应用EFPSO算法对变分模态分解(Variational mode decomposition,VMD)去噪算法进行改进,并在现场管道信号去噪取得了很好的效果. 展开更多

关键词 粒子群优化器 事件触发策略 全信息策略 去噪算法 变分模态分解

在线阅读 下载PDF 职称材料

基于物理约束U-Net网络的地震数据低频延拓 被引量：6

20

作者 张岩 周一帆 +1 位作者 宋利伟 董宏丽 《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期31-45,共15页

由于震源与采集技术的影响,地震勘探数据往往缺失低频信息,严重影响后续的反演和成像处理。现有的地震数据低频延拓方法,大多建立在时域数据分布特征的基础上,容易导致频率与相位信息严重损失。为解决该问题,文中提出一种基于地震波物... 由于震源与采集技术的影响,地震勘探数据往往缺失低频信息,严重影响后续的反演和成像处理。现有的地震数据低频延拓方法,大多建立在时域数据分布特征的基础上,容易导致频率与相位信息严重损失。为解决该问题,文中提出一种基于地震波物理参数约束的U-Net深度学习网络进行地震数据低频延拓。首先,利用理论引导数据的思想组织样本,生成大量不同特征的地震数据;然后,通过结合残差跳跃连接改进的U-Net模型学习从中高频地震数据生成低频成分的非线性映射;最后,结合地震信号的物理参数约束提升对频率、相位的恢复效果。实验证明,文中所提方法对地震数据低频恢复具有较好的效果,并在频率与相位的保持上优于同类方法,对提高后续的处理与解释精度具有较高的实用价值。 展开更多

关键词 低频缺失 物理约束 频率与相位恢复 深度学习 U-Net 残差块

在线阅读 下载PDF 职称材料