[发明专利]一种叠前地震信号波形分类方法

摘要

本发明公开一种叠前地震信号波形分类方法，首先提取数据，并降噪，得到所有方位角数据的整合；然后使用DBN的预训练提取特征数据和降维；根据得到的特征数据进行SOM训练；将SOM的神经元权值作为FCM算法初始簇中心。本发明采用深度学习的DBN模型，既很好的保留了原始数据的抽象特征，又现对于传统方法降低了时间复杂度；利用了自组织神经网络和模糊C均值的方法，得到了良好的分类效果，而且模糊聚类的输出数据不只是单纯的分类标记，每个样本对每个簇的隶属度也留下了继续探索数据的可能。

主权项

一种叠前地震信号波形分类方法，其特征在于，包括：S1、对输入的宽方位角地震数据降噪处理；S2、对经步骤S1得到的数据提取层位段数据，得到原始训练样本；具体为：每个层位数据样本点数t，m个方位角数据组成训练样本X＝{x1,...xn}，xi维度为t×m，i＝1,2,…,n，n表示训练样本的个数；S3、对步骤S2得到的原始训练样本，根据构建深度置信网络中的限制玻尔兹曼机网络提取特征数据；具体包括以下分步骤：S31、输入原始训练样本，获取原始训练样本的维度；S32、初始化K层限制玻尔兹曼机网络节点数；S33、将上一层限制玻尔兹曼机网络的输出作为下一层限制玻尔兹曼机网络的输入，依次训练每一层限制玻尔兹曼机网络；S34、输出提取的特征数据；S4、将步骤S3提取的特征数据输入自组织神经网络训练，将得到的神经元权值向量作为模糊C均值的初始簇中心，当FCM训练终止时，得到分类结果。