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：中国石油大学(华东)

摘要：本发明公开融合自注意力与Mamba架构的地震数据去噪方法，属于地球物理技术领域，用于地震数据去噪，包括采集含噪声的地震数据，对含噪声的地震数据进行去噪处理后，得到多个去噪后的地震数据块；输入去噪后的地震数据块和地震数据块对应的噪声时间步长至轻量化自注意力Mamba模块，进行自适应层归一化后导入线性变化层，进行噪声预测和协方差预测，对轻量化自注意力Mamba模块进行训练和验证。本发明克服现有地震数据去噪技术的不足，提高去噪效果，增强网络训练的稳定性，并降低计算成本，实现稳定训练的同时，达到高效的去噪性能。

主权项：1.融合自注意力与Mamba架构的地震数据去噪方法，其特征在于，包括：S1采集含噪声的地震数据，对含噪声的地震数据进行去噪处理后，得到多个去噪后的地震数据块，构建地震数据集，地震数据集包括训练集、验证集和测试集；S2构建轻量化自注意力Mamba扩散网络；输入去噪后的地震数据块和地震数据块对应的噪声时间步长至轻量化自注意力Mamba模块，进行自适应层归一化后导入线性变化层，进行噪声预测和协方差预测；S3从训练集中选取地震数据块样本进行正向加噪，然后输入到轻量化自注意力Mamba扩散网络，得到训练后的轻量化自注意力Mamba扩散网络；S4利用验证集验证训练后的轻量化自注意力Mamba扩散网络的去噪效果，若去噪效果已达到最佳，则执行下一步，否则返S3中继续利用训练集对轻量化自注意力Mamba扩散网络进行训练；S5去除噪声，把测试集中的含噪地震数据输入到已经训练和验证过的轻量化自注意力Mamba扩散网络中，去除测试集中含噪声地震数据块中的噪声；S1包括对含噪声的地震数据进行归一化处理消除数据量纲和尺度的差异，对含噪声的地震数据进行初步去噪，得到去噪后的地震数据块，去噪后的地震数据块与含噪声的地震数据形成数据块对，去噪后的地震数据块是含噪声的地震数据的标签；S2包括对去噪后的地震数据块进行正向加噪，通过多次迭代加噪获得加噪后的地震数据块，噪声时间步长通过位置嵌入层后，与加噪后的地震数据块一起输入，输入时依次经过多个轻量化自注意力Mamba扩散网络；位置嵌入层采用三角函数位置编码，三角函数位置编码通过利用周期性函数sin、cos将转换为频率嵌入向量，通过位置嵌入层将频率嵌入向量映射为时间步数嵌入向量： ； ；式中，是位置嵌入层的第个元素，是第个元素对应的权值，是奇偶判断参数，d是数据维度，是噪声时间步长在位置嵌入层的位置，是第个元素的频率嵌入向量；获得后，依次导入线性变化层和非线性激活函数，再导入一次线性变化层得到时间步数嵌入向量；轻量化自注意力Mamba扩散网络包括正向过程和逆向过程；正向过程中，逐步向地震数据块中添加噪声，直至数据符合高斯分布： ；式中，是加噪后的地震数据块，是去噪后的地震数据块，、、……、分别是每一步添加的高斯噪声，高斯噪声符合均值为0，方差为的高斯分布；采用重参数化添加噪声包括： ； ；式中，是超参数，是重参数，表示累乘，是第步添加的高斯噪声；逆向过程中，使用第步的预测第步增加的噪声，得到第步的分布，通过多步迭代，从随机噪声中恢复出噪声信号；轻量化自注意力Mamba扩散网络依次包括分频卷积层、自适应层归一化、轻量化自注意力层、自适应层归一化、Mamba层，轻量化自注意力Mamba扩散网络还设有三个快捷连接和四个缩放偏置连接；第一快捷连接由加噪后的地震数据块连接至分频卷积层输出端，第二快捷连接由自适应层归一化前连接至轻量化自注意力层后，第三快捷连接由第二个自适应层归一化前连接至Mamba层后，线性变化层的输出端设有四个缩放偏置连接，分别连接第一个自适应层归一化、轻量化自注意力层后、第二个自适应层归一化和Mamba层；分频卷积层包括： ；式中，是经过分频卷积层和第一快捷连接处理后的特征数据，表示分频卷积层；自适应层归一化的归一化公式为： ；式中，表示归一化，是输入数据，μ和σ分别表示输入数据的均值和标准差，是微小常数，和是根据输入数据的统计特征自适应调整得到的归一化参数，和分别是从的时间步数嵌入向量中线性回归得到的缩放因子和偏移量；轻量化自注意力Mamba扩散网络采用轻量化自注意力机制求取全局注意力图，包括通过矩阵映射把行数为N、列数为d的数据变成3个行数均为N、列数均为d、通道数均为C的不同且独立的矩阵，分别记作Q、K、V，引入维度低于Q的代理矩阵A聚合Q与K的信息，轻量化自注意力机制由两个自注意力操作组成；计算全局注意力图时，采用最大池化将Q的空间维度减小到行数为N，列数为d，通道数为C，经过批归一化层和非线性激活层，在最大池化之后进行批归一化操作，再应用激活函数： ；式中，是最大池化运算函数；进行轻量化自注意力操作： ；式中，代表自注意力操作，是由进行自注意力操作求取的矩阵；轻量化自注意力操作拆分为两个自注意力操作： ； ；式中，是求取全局注意力图的函数，是的空间维度；自适应层归一化以及经过轻量化自注意力操作后的特征数据表示为： ；式中，是经过自适应层归一化和轻量化自注意模块后的特征数据，是第一偏置参数，是第一缩放因子，是第一偏移量。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 融合自注意力与Mamba架构的地震数据去噪方法