CN116068651B 一种基于时间注意力机制的地震数据分类方法 （北京石油化工学院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116068651B(45)授权公告日2025.07.08

(21)申请号202310272897.2

(22)申请日2023.03.17

(65)同一申请的已公布的文献号申请公布号CN116068651A

(43)申请公布日2023.05.05

(73)专利权人北京石油化工学院

地址102617北京市大兴区清源北路19号

(72)发明人朱亚东洋赵曙光蓝波张晓燕张路纲

(74)专利代理机构北京东方盛凡知识产权代理有限公司11562

专利代理师许佳

(51)Int.CI.

(56)对比文件

YadongyangZhu等.ALightweighht

NetworkforSeismicPhasePickingon

EmbededSystems.IEEEAccess.2024,第12卷第85103-85114页.

审查员王小港

GO1V1/50(2006.01)

权利要求书2页说明书5页附图2页

(54)发明名称

一种基于时间注意力机制的地震数据分类

方法

(57)摘要

CN116068651B本发明涉及一种基于时间注意力机制的地震数据分类方法，包括：采集地震数据，对所述地震数据进行处理，生成频谱图，其中，所述地震数据为时间序列数据；对所述频谱图进行特征提取，获取带有权重的时段特征和全局特征；根据所述带有权重的时段特征和全局特征获取所述地震数据的分类结果。本发明提取了地震数据的浅层特征、深层特征、时段特征和全局特征，进行融合判定，能够提高深度学习模型对地震数据全局属性的关注，且充分利用了原始数据的特征，

CN116068651B

CN116068651B权利要求书1/2页

2

1.一种基于时间注意力机制的地震数据分类方法，其特征在于，包括：

采集地震数据，对所述地震数据进行处理，生成频谱图，其中，所述地震数据为时间序列数据；

对所述频谱图进行特征提取，获取带有权重的时段特征和全局特征；

根据所述带有权重的时段特征和全局特征获取所述地震数据的分类结果；

其中，获取所述带有权重的时段特征和全局特征包括：

提取所述频谱图的浅层特征，并对所述频谱图的浅层特征采用并行分支结构分别提取所述频谱图的时段特征和全局特征；

所述并行分支结构包括上分支部和下分支部；

所述上分支部用于通过所述频谱图的浅层特征提取所述频谱图的深层特征，并基于提取到的深层特征提取所述频谱图的时段特征；

所述下分支部用于通过所述频谱图的浅层特征提取所述频谱图的全局特征；

提取所述频谱图的时段特征包括：

基于时间的注意力机制构建时段特征提取模块，将所述频谱图的深层特征输入所述时段特征提取模块中提取所述频谱图的时段特征，其中，所述时段特征提取模块包括权重计算单元和特征提取单元，获取所述权重计算单元和特征提取单元并行计算输出的结果后进行特征拼接；

所述权重计算单元包括全局平均池化层、全连接层、Mish激活层和Sigmoid函数，基于所述全局平均池化层对所述深层特征进行特征通道压缩，通过所述全连接层、Mish激活层、Sigmoid函数生成所述特征通道的权重，并将所述权重加权到所述深层特征上；所述特征提取单元包括二维卷积层和ELU激活层，对所述深层特征进行进一步特征提取。

2.根据权利要求1所述的基于时间注意力机制的地震数据分类方法，其特征在于，对所述地震数据进行处理包括：

采用频域变换将所述时间序列数据转换为频域数据，并将所述频域数据保存为频谱图，其中，所述频域变换包括快速傅里叶变换、短时傅里叶变换。

3.根据权利要求1所述的基于时间注意力机制的地震数据分类方法，其特征在于，提取所述频谱图的浅层特征包括：

基于卷积神经网络构建浅层特征提取模块，将所述频谱图输入所述浅层特征提取模块中提取所述频谱图的浅层特征，其中，所述浅层特征提取模块包括二维卷积层、批归一化层和ELU激活层，所述二维卷积层之间以残差的形式连接，所述二维卷积层后连接所述批归一化层和所述ELU激活层。

4.根据权利要求1所述的基于时间注意力机制的地震数据分类方法，其特征在于，提取所述频谱图的深层特征包括：

基于残差网络构建深层特征提取模块，将所述频谱图的浅层特征输入所述深层特征提取模块中提取所述频谱图的深层特征，其中，所述深层特征提取模块包括残