【技术实现步骤摘要】
本专利技术涉及地震勘探，特别涉及一种基于知识图谱的地震相数据样本构建方法和装置、电子设备以及存储介质。
技术介绍
1、地震相分类对于地层解释和油气储层特征描述至关重要，但地震相分类通常是一个需要耗费大量人工的任务。数据驱动的深度学习方法有望以较高的效率和准确性实现地震相分类的自动化。然而，由于缺乏全面的地震面基准数据集，阻碍了深度学习方法在这一领域的进展和评估。近年来，利用监督学习、半监督学习和无监督学习，人们提出了许多自动地震相分类的方法。监督学习方法首先使用大量标注数据训练深度学习模型，然后使用训练好的模型进行自动地震相分类。半监督学习方法使用标注和非标注数据来训练网络，以学习地震相的特征和分布。无监督学习方法首先从未标明数据中提取非线性、判别和不变特征，然后对这些特征进行聚类或分类，以实现自动地震相分类。但是由于缺乏标注样本，监督学习方法在不同勘探中的泛化能力往往较弱，而半监督和无监督方法则经常遇到预测结果不确定性较高的问题。此外，地震相可以根据不同的属性参数划分为多个不同的类别，这给地震相数据集的构建和地震相分类结果的评估带来了
本文档来自技高网...【技术保护点】
1.一种基于知识图谱的地震相数据样本构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，基于数据标准化方法对来自不同地域、具有不同属性信息的真实地震数据进行预处理，并将预处理后的真实地震数据进行地质结构信息方面的筛选，得到标准化的地震相数据样本包括：
4.根据权利要求2所述的方法，其特征在于，根据地震相的振幅、频率、连续性和反射构型构建地震相知识图谱包括：
5.根据权利要求2所述的方法，其特征在于，基于所述地震相知识图谱，通过对由几何函数曲线随机组合...
【技术特征摘要】
1.一种基于知识图谱的地震相数据样本构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，基于数据标准化方法对来自不同地域、具有不同属性信息的真实地震数据进行预处理，并将预处理后的真实地震数据进行地质结构信息方面的筛选，得到标准化的地震相数据样本包括：
4.根据权利要求2所述的方法，其特征在于，根据地震相的振幅、频率、连续性和反射构型构建地震相知识图谱包括：
5.根据权利要求2所述的方法，其特征在于，基于所述地震相知识图谱，通过对由几何函数曲线随机组合所生成的地质结构曲线进行处理，得到合成的地震相...
【专利技术属性】
技术研发人员：孙晓明，李亚星，高晖，
申请(专利权)人：中国科学技术大学先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。