摘要
本申请公开了一种水下地层数据推演方法,该方法包括:获取水下地层的多源数据,对获取的多源数据进行预处理,构建多模态数据集;获取分层空间邻接图和多尺度时间邻接图,构建多尺度时空耦合图;基于多尺度时空卷积神经网络对多尺度时空特征进行融合和提取,将物理场模型以模型损失函数的形式嵌入多尺度时空卷积神经网络,构建水下地层时空推演模型;基于自监督学习与监督学习相结合的联合训练策略,模型参数;将当前水下地层状态及未来一段时间的海洋环境预测数据输入优化好的水下地层时空推演模型,输出不同时间尺度下的地层演化预测结果。本申请实施例提供的水下地层数据推演方法能够实现水下地层的高精度时空演化预测。
技术关键词
时空卷积神经网络
推演方法
多尺度
多模态
循环神经网络变体
海洋环境监测数据
海洋地震数据
信息传播路径
海洋环境参数
物理
处理单元
分层
节点间距离
推演装置
生成对抗网络
随机梯度下降
策略