技术特征：
1.地震采集资料质量评价方法，其特征在于，该方法包括以下步骤：采集地震波的实时波动序列；将所述实时波动序列输入波动序列特征预测网络得到预测序列可信度；其中，所述波动序列特征预测网络的损失函数为以簇内序列可信度为权重的均方差损失函数；所述簇内序列可信度的获取方法为：采集不同检测区域的地震波的历史波动序列，选取任意检测区域作为目标检测区域，计算所述目标检测区域的目标历史波动序列与各检测区域的历史波动序列之间的区域序列相似度之和；根据所述区域序列相似度之和对所述检测区域进行分类得到多个类别；基于同一检测区域，采集两个不同温度下的历史波动序列，计算对应的温度序列相似度；基于同一检测区域，采集两个不同时刻相同温度下的历史波动序列，计算对应的时刻序列相似度，所述温度序列相似度和所述时刻序列相似度的乘积为可靠度；各检测区域对应的区域序列相似度之和与所述可靠度相乘得到对应的可信度，属于同一类别的检测区域对应的可信度相加得到所述簇内序列可信度。2.根据权利要求1所述的地震采集资料质量评价方法，其特征在于，所述计算所述目标检测区域的目标历史波动序列与各检测区域的历史波动序列之间的区域序列相似度之和，包括：计算所述目标历史波动序列和每个所述检测区域的历史波动序列的区域序列相似度；所述目标历史波动序列对应的多个区域序列相似度的和为所述区域序列相似度之和。3.根据权利要求2所述的地震采集资料质量评价方法，其特征在于，所述计算所述目标历史波动序列和每个所述检测区域的历史波动序列的区域序列相似度，包括：利用动态时间规整算法计算所述区域序列相似度；所述区域序列相似度的计算公式为：其中，为目标历史波动序列和历史波动序列的所述区域序列相似度；为所述目标历史波动序列；为除目标检测区域外的任意检测区域对应的历史波动序列；为目标历史波动序列和历史波动序列的规整距离。4.根据权利要求1所述的地震采集资料质量评价方法，其特征在于，所述根据所述区域序列相似度之和对所述检测区域进行分类得到多个类别，包括：利用dbscan算法对区域序列相似度之和进行聚类，属于同一类的区域序列相似度之和对应的所述检测区域属于同一类别，得到多个聚类类别，其中每个所述聚类类别包含至少一个检测区域。5.根据权利要求1所述的地震采集资料质量评价方法，其特征在于，所述计算对应的温度序列相似度之前，还包括：利用高斯平滑滤波器对采集到的不同温度下的历史波动序列进行滤波，利用滤波后的不同温度下的历史波动序列计算对应的温度序列相似度。6.根据权利要求5所述的地震采集资料质量评价方法，其特征在于，所述采集两个不同
温度下的历史波动序列，计算对应的温度序列相似度，包括：利用动态时间规整算法计算不同温度下的滤波后的历史波动序列的温度序列相似度。7.根据权利要求1所述的地震采集资料质量评价方法，其特征在于，所述采集两个不同温度下的历史波动序列，包括：采集室外中午时的历史波动序列，采集室内晚上时的历史波动序列。8.根据权利要求1所述的地震采集资料质量评价方法，其特征在于，所述计算对应的时刻序列相似度之前，还包括：利用高斯平滑滤波器对采集到的不同时刻相同温度下的历史波动序列进行滤波，利用滤波后的不同时刻相同温度下的历史波动序列计算对应的时刻序列相似度。9.根据权利要求8所述的地震采集资料质量评价方法，其特征在于，所述采集两个不同时刻相同温度下的历史波动序列，计算对应的时刻序列相似度，包括：利用动态时间规整算法计算两个不同时刻相同温度下的滤波后的历史波动序列的时刻序列相似度。
技术总结
本发明涉及数据处理技术领域，具体涉及地震采集资料质量评价方法。该方法将实时波动序列输入波动序列特征预测网络得到预测序列可信度。波动序列特征预测网络的损失函数为以簇内序列可信度为权重的损失函数；簇内序列可信度的获取方法：由各检测区域之间的历史波动序列的相似性得到区域序列相似度之和，对检测区域进行分类得到多个类别；基于同一检测区域，由不同温度下的历史波动序列的相似度和不同时刻下的历史波动序列的相似度得到可靠度；由同一类别检测区域的区域序列相似度之和与可靠度得到簇内序列可信度。本发明实施例通过波动序列特征预测网络得到预测序列可靠度，反映了实时波动序列和真实地下活动情况的接近程度。度。度。
技术研发人员：叶菊香
受保护的技术使用者：江苏益捷思信息科技有限公司
技术研发日：2022.08.22
技术公布日：2022/9/23