一种地震缺失信号的人工智能高效恢复与补全方法

技术特征：
1.一种地震缺失信号的人工智能高效恢复与补全方法，其特征在于：包含以下步骤：步骤s1，利用现有的地震数据，做出训练数据集；步骤s2，搭建对像素值处理的transformer网络；步骤s3，利用步骤1中的数据集训练网络，在每个epoch训练完之后输出准确率和相关的评价标准，保存模型更新结果，最终评估模型的效果；步骤s4，将训练好的模型用于缺失数据的补全，补全过程需要将源数据切分成48x48大小的小块，且最终可以将切分出的数据拼接到原数据的对应位置。2.如权利要求1所述的一种地震缺失信号的人工智能高效恢复与补全方法，其特征在于：在步骤s1中：先将segy文件用python读取为矩阵，对地震数据做全局归一化处理，每个数据使用统一的缩放比例，全局归一化到0-255；然后将数据矩阵做切块处理，切块在矩阵上步距为块大小的1/2，整个数据作为dataloader；最后在dataloader以batch数量读取时，输出两组矩阵，两组形状大小相同，各维度分别为batch、channel、width、height，第一组是源数据作为标签数据，第二组对源数据做随机道置零，置零的概率为2％-8％，作为缺失道数据。3.如权利要求1所述的一种地震缺失信号的人工智能高效恢复与补全方法，其特征在于：在步骤s2中：先构建模型的head部分，将输入矩阵使用64个大小为3的卷积核映射出64个features，再将结果矩阵经过两个resblock，经过此模块进行前期的特征变换，将输出的64个矩阵作为多通道的特征；然后构建transformer模块，先将输入的数据用patch_dim参数的核展平成二维数据，接着构建encoder，再构建decoder，之后使用fold将数据转换成原大小；然后构建模型的tail部分，将64个features使用卷积核还原成一个feature，作为最终模型的输出。4.如权利要求1所述的一种地震缺失信号的人工智能高效恢复与补全方法，其特征在于：在步骤s4中：先将原数据以矩阵形式读入python中；然后将数据使用torch提供的unfold切分成大小为patch的块，切分步距为patch的1/2；然后将所有切分的数据块送入步骤s2搭建的模型中做前向传播，得到模型对所有小块处理的结果，并将数据四边处理的结果和数据中间处理的结果区分开；最后将切分的中间处理结果中所有数据拼接起来，其中拼接时只取处理块的中间部分做拼接，之后将四边处理的结果拼接回对应的位置，从切分数据经网络处理的结果进行拼接后，最终保留的数据为阴影部分。

技术总结
本发明提供了一种地震缺失信号的人工智能高效恢复与补全方法，包含以下步骤：步骤S1，利用现有的地震数据，做出训练数据集；步骤S2，搭建对像素值处理的Transformer网络；步骤S3，利用步骤1中的数据集训练网络，在每个epoch训练完之后输出准确率和相关的评价标准，保存模型更新结果，最终评估模型的效果；步骤S4，将训练好的模型用于缺失数据的补全，补全过程需要将源数据切分成48x48大小的小块，且最终可以将切分出的数据拼接到原数据的对应位置。将切分出的数据拼接到原数据的对应位置。将切分出的数据拼接到原数据的对应位置。


技术研发人员：徐天吉 邓鹏杰 郭济
受保护的技术使用者：电子科技大学
技术研发日：2022.11.07
技术公布日：2023/2/3