<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u014655960</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u014655960]]></copyright><item><title><![CDATA[周报---20260126-20260131]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/157733925</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/157733925</guid><author>u014655960</author><pubDate>Wed, 04 Feb 2026 17:14:07 +0800</pubDate><description><![CDATA[可以用多项式拟合层位并显示。2.2 深度学习全波形反演。利用井信息渲染速度模型。]]></description><category></category></item><item><title><![CDATA[周报---20260119-20260125]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/157435688</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/157435688</guid><author>u014655960</author><pubDate>Tue, 27 Jan 2026 17:09:17 +0800</pubDate><description><![CDATA[日常记录]]></description><category></category></item><item><title><![CDATA[深度学习全波形反演-文献综述1]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/156591149</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/156591149</guid><author>u014655960</author><pubDate>Mon, 05 Jan 2026 11:09:05 +0800</pubDate><description><![CDATA[代表性方法：FCNVMB, InversionNet，VelocityGAN，DD-Net，ABA-FWI 等。代表性方法: PINN, LSTM 单元内嵌拉普拉斯算子模拟波传播。代表性方法： 放弃通用 CNN，设计符合波传播特性的网络结构。代表性方法：FNO, DeepONet。5、专用波动物理架构 （专注物理结构）3、物理信息深度学习（专注物理约束）4、深度学习与传统反演融合。1、端到端深度学习反演。代表性方法：重参数化。]]></description><category></category></item><item><title><![CDATA[腰突的流水账，从有症状到治疗前后]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/149051377</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/149051377</guid><author>u014655960</author><pubDate>Tue, 01 Jul 2025 20:46:45 +0800</pubDate><description><![CDATA[医生和我都没觉着和腰突有关。躺着休息，走路（少量多次，卧床为主），保暖，很重要！]]></description><category></category></item><item><title><![CDATA[沉浸式翻译软件推荐]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/148123659</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/148123659</guid><author>u014655960</author><pubDate>Wed, 21 May 2025 20:43:37 +0800</pubDate><description><![CDATA[一款插件，即可满足pdf翻译、网页翻译、字幕翻译、输入框翻译四个效果~]]></description><category></category></item><item><title><![CDATA[博士开题相关]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/148109267</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/148109267</guid><author>u014655960</author><pubDate>Wed, 21 May 2025 12:13:34 +0800</pubDate><description><![CDATA[博士开题包括：选题背景、研究现状、研究方案、进度安排四个方面。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（八）之偏移处理]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/145048244</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/145048244</guid><author>u014655960</author><pubDate>Fri, 10 Jan 2025 09:49:57 +0800</pubDate><description><![CDATA[水平叠加没有考虑界面是否倾斜，而是统一按水平界面处理。水平叠加的记录信息是以垂直反射时间t0记录在共中心点的正下方。地层水平时，这种显示方式与地层吻合；地层倾斜时，剖面上共中心点正下方的垂直反射时间t0对应的位置R'偏离界面反射点的位置R。注意：MR垂直于反射界面，MR‘垂直于地面，MR等于MR‘。因此R为真实的反射点。R‘ 为假想的自激自收反射点。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（七）之水平叠加]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/145028489</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/145028489</guid><author>u014655960</author><pubDate>Thu, 09 Jan 2025 18:20:51 +0800</pubDate><description><![CDATA[在地层倾斜的情况下，虽然利用考虑地层倾角的动校正速度，可以将共中心点道集的反射同相轴校平，但是由于共中心点道集不再是真正的共反射点道集，不同炮检距的反射波来自不同的反射点，当地层的物性特征横向变化较大时，利用倾斜地层的共中心点道集进行AVO分析会产生一定的误差。可以设想，如果使质量好的地震道参与叠加的成分多，质量差的地震道参与叠加的成分少，质量很差的地震道不参与叠加，这样叠加效果将会得到改善，这就是自适应叠加的基本思想。式中，分子为以t _ { 0 }为中心、时窗长度为T的时窗内，地震道与标准道的互相关；]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（六）之动校正]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/145013246</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/145013246</guid><author>u014655960</author><pubDate>Thu, 09 Jan 2025 09:12:31 +0800</pubDate><description><![CDATA[动 校  正：把非零炮检距反射时间t校正为零炮检距反射时间t0的过程.正常时差：由炮检距引起的非零炮检距与零炮检距的反射时间之差t-t0当动校正量合适时，动校正后时距曲线就变成了直线，就可以同向叠加了，能够起到提高信噪比的作用。如果动校正量不合适，就会出现过校正和欠校正的情况。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（五）之速度分析]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/145013143</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/145013143</guid><author>u014655960</author><pubDate>Wed, 08 Jan 2025 21:04:19 +0800</pubDate><description><![CDATA[利用多次覆盖记录中（共中心点CMP道集）反射波到达时间与传播速度的关系，从记录中提取速度参数的数值分析方法；为动静校正、水平叠加、偏移等数字处理方法提供速度参数；提取正常时差里面包含的速度信息。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（四）之静校正]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/144993758</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/144993758</guid><author>u014655960</author><pubDate>Wed, 08 Jan 2025 11:13:19 +0800</pubDate><description><![CDATA[静校正指的是补偿由于地表高程变化，炮点检波点深度、风化层的厚度和速度变化对地震资料造成的影响。其目的是获得在一个平面上（基准面）进行采集，而且没有风化层和低速带承载的反射波到达时间，需要校正的时间量称为静校正量，一般用毫秒表示。由于某一个地层到从浅到深的校正量是一样的，因此称之为静校正。共中心点道集的动校增量从浅到深是变化的，称为动较增量。静校正量，有正有负，动校正量永远为正。静校正分别计算出激发点、接收点的静校正量，那么总的静校正量等于激发点和接收点静校正量之和。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（三）之反褶积]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/144989039</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/144989039</guid><author>u014655960</author><pubDate>Tue, 07 Jan 2025 21:07:57 +0800</pubDate><description><![CDATA[1）输入：地震记录2）输出：反射系数3）处理手段：反褶积、最佳维纳滤波。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（二）之地震数字滤波]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/144957834</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/144957834</guid><author>u014655960</author><pubDate>Tue, 07 Jan 2025 11:28:10 +0800</pubDate><description><![CDATA[（1）水平层状介质（地表、反射界面水平，介质均匀）；事实：地表起伏，地下构造复杂（2）噪音足够小，可以忽略不计；事实：地表及地下噪音严重（3）记录传播过程中波形和能量不变；事实：存在地层吸收衰减作用，地震波能量及波形变化大地震数字滤波目标：去噪，提高地震资料信噪比；1）处理前：含噪声地震数据2）处理后：噪声压制后地震数据3）处理手段：一维滤波或者二维滤波。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（一）之预处理：]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/144941488</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/144941488</guid><author>u014655960</author><pubDate>Mon, 06 Jan 2025 10:28:18 +0800</pubDate><description><![CDATA[野外数据采集都是按照设计好的观测系统来进行的。由于受野外客观条件的限制，设计好的方案在实施中一般都会有所调整。还有一些参数是事先设计时不可能准确获知的，他们都要在实际施工时实时测量。这些数据一般以人工班报等形式记录在磁介质上。因此要根据野外观测系统和电子班报等资料确定激发点和接受点的坐标等数据。在观测系统定义中还要抽道集。抽道集就是把具有相同共中心点的炮间道抽出来组成共中心点道集。在三维地震勘探中还要计算共反射面的坐标，确定共反射面的道集。]]></description><category></category></item><item><title><![CDATA[地震数据处理基础（零）之目标：]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/144722489</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/144722489</guid><author>u014655960</author><pubDate>Wed, 25 Dec 2024 16:47:26 +0800</pubDate><description><![CDATA[地震数据处理]]></description><category></category></item><item><title><![CDATA[Anaconda+Pycharm+Pytorch 安装]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/140612052</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/140612052</guid><author>u014655960</author><pubDate>Mon, 22 Jul 2024 16:16:38 +0800</pubDate><description><![CDATA[安装顺序：1、Anaconda2、Pycharm3、Pytorch1和2的安装比较简单，直接下载离线包安装即可，需要配置一点环境变量。]]></description><category></category></item><item><title><![CDATA[第四次课：激活函数]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/137255371</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/137255371</guid><author>u014655960</author><pubDate>Tue, 02 Apr 2024 21:35:33 +0800</pubDate><description><![CDATA[激活函数的引入为神经网络提供了非线性变换的能力。没有激活函数，即使神经网络有多个层次，其输出仍然是输入的线性组合，这将限制其表达复杂函数的能力。通过使用非线性激活函数，神经网络能够学习和表示更复杂的任务和模式。]]></description><category></category></item><item><title><![CDATA[数字图像处理之matlab实验（四）：频域滤波器及图像复原]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/137195709</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/137195709</guid><author>u014655960</author><pubDate>Sun, 31 Mar 2024 20:33:08 +0800</pubDate><description><![CDATA[傅里叶变换后的可视化，通常通过功率谱和相位谱来展现。且都有对应的物理意义。傅里叶谱（幅度谱）告诉我们图像中某种频率的成分有多少。低通和高通滤波器实际上是作用于幅度谱。相位谱告诉我们频率成分的具体位置。]]></description><category></category></item><item><title><![CDATA[全波形反演之卷积、自相关、互相关（2）]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/134967382</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/134967382</guid><author>u014655960</author><pubDate>Wed, 13 Dec 2023 17:28:05 +0800</pubDate><description><![CDATA[使用深度学习的全波形反演方案，面临的一个重要问题就是带标签的数据不足，往往我们会从合成尽可能真实的速度模型（输出标签）和地震数据（输入数据）入手。通常的做法，当获得足够多的合成数据时，在合成数据上训练，在真实数据上测试。有学者，从信号处理的角度，利用卷积、自相关、互相关等，描述了一类新的方法来增强对具有真实数据特征的合成数据的监督训练（领域自适应）。]]></description><category></category></item><item><title><![CDATA[全波形反演之卷积、自相关、互相关（1）]]></title><link>https://blog.youkuaiyun.com/u014655960/article/details/134837008</link><guid>https://blog.youkuaiyun.com/u014655960/article/details/134837008</guid><author>u014655960</author><pubDate>Wed, 13 Dec 2023 11:10:38 +0800</pubDate><description><![CDATA[比如，当 t 为0时，两个信号一模一样，此时值最大。它可以用来发现信号中的重复模式，如被噪声掩盖的周期信号。自相关函数的极大值能够很好地体现信号中的周期性分量。]]></description><category></category></item></channel></rss>