(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111072923.4 (22)申请日 2021.09.14 (65)同一申请的已公布的文献号 申请公布号 CN 113761805 A (43)申请公布日 2021.12.07 (73)专利权人 东华理工大 学 地址 330000 江西省南昌市经开区广兰大 道418号 (72)发明人 李广　何柱石　邓居智　张良　 李红星　刘晓琼　石福升　伍守立　 (74)专利代理 机构 长沙市融智专利事务所(普 通合伙) 43114 专利代理师 姚瑶 (51)Int.Cl. G06F 30/27(2020.01)G06F 119/02(2020.01) (56)对比文件 US 2021012767 A1,2021.01.14 刘文杰等.基 于时域卷积网络精细化 光伏发 电功率预测. 《供用电》 .2020,(第10期), 罗仁泽等.一种基 于RUnet卷积神经网络的 地震资料随机噪声压制方法. 《石油物探》 .2020, (第01期), 审查员 吴瑶 (54)发明名称 一种基于时域卷积网络的可控源电磁数据 去噪方法、 系统、 终端及可读存 储介质 (57)摘要 本发明公开了一种基于时域卷积网络的可 控源电磁数据去噪方法、 系统、 终端及可读存储 介质， 所述方法包括以下步骤： 步骤1： 获取可控 源电磁数据并对其进行分段， 将每一个数据段作 为一个样 本以及标记样本的分类标签； 所述分类 标签表示样 本为噪声数据段或高质量数据段； 步 骤2： 构建时域卷积网络， 并将样本及分类标签输 入至所述时域卷积网络进行训练得到可控源电 磁数据分类模型； 步骤3： 针对待去噪的可控源电 磁数据， 先分段再输入至所述可控源电磁数据分 类模型得到每个数据段的分类结果； 步骤4： 基于 步骤3中的分类结果将高质量数据段进行重组拼 接。 本发明引入时域卷积网络算法至可控源电磁 数据去噪技 术中， 提高了去噪精度以及效果。 权利要求书2页 说明书8页 附图5页 CN 113761805 B 2022.10.25 CN 113761805 B 1.一种基于时域卷积网络的可控 源电磁数据去噪方法， 其特 征在于： 包括以下步骤： 步骤1： 获取可控源电磁数据并对其进行分段， 将每一个数据段作为一个样本以及标记 样本的分类标签； 所述分类标签表示样本为噪声数据段或高质量数据段； 步骤2： 构建时域卷积网络， 并将样本及 分类标签输入至所述时域卷积网络进行训练得 到可控源电磁数据分类模型； 步骤3： 针对待去噪的可控源电磁数据， 先分段再输入至所述可控源电磁数据分类模型 得到每个数据段的分类结果； 步骤4： 基于步骤3中的分类结果将高质量数据段进行重组拼接； 所述时域卷积网络包括输入层、 隐藏层以及输出层， 其中， 所述隐藏层由若干个残差块 构成， 每个残差块包含一维因果扩张卷积和一维卷积， 其中， 中间一个残差块的实现过程 为： 使用卷积核对前一残差块的结果进行一维因果扩张卷积， 且因果扩张卷积激活； 再使 用卷积核对当前残差块的第一次因果扩张卷积的激活值进 行一维因果扩张卷积； 然后 将前 一残差块的结果和当前残差块第二次未激活的一 维因果扩张卷积进行求和， 并激活得到当 前残差块的输出 结果； 其他残差块的实现过程均为： 使用卷积核对输入数据进行一维因果扩张卷积和一维卷积， 因果扩张卷积激活， 一维 卷积不激活； 再使用卷积核对当前残差块的第一次因果扩张卷的激活值进 行一维因果扩张 卷积； 然后将一维卷积和第二次未激活的一维因果扩张卷积进行求和， 并激活得到残差块 的输出结果； 所述若干个残差块中卷积核的数目依次递减。 2.根据权利要求1所述的方法， 其特征在于： 步骤1中获取可控源电磁数据后， 按照平移 增广法构建样本； 其中， 一个样本对应时间序列 表示为： 式中， i表示样本序号， m是获取的可控源电磁数据的数据长度， n为样本长度， q为小于n 的正整数， x(i‑1)*q+1为可控源电磁数据中第(i ‑1)*q+1个数据点。 3.根据权利要求1所述的方法， 其特征在于： 设定每个样本的分类标签时， 按照如下标 准进行分类标记： 若样本中有效信号幅值小于1mV时， 将噪声幅值大于或等于有效信号幅值的样本设定 为噪声数据段； 若样本中有效信号幅值大于或等于1mV时， 将噪声幅值大于或等于1mV的样本定义为噪 声数据段； 反之， 其他为高质量数据段。 4.根据权利要求1所述的方法， 其特征在于： 每个样本对应的时间为一个周期 或者整数 倍周期。权　利　要　求　书 1/2 页 2 CN 113761805 B 25.一种基于时域卷积网络的可控源电磁数据去噪系统， 基于权利要求1 ‑4任一项所述 方法， 其特 征在于： 包括： 样本构建模块， 用于获取可控源电磁数据并对其进行分段， 将每一个数据段作为一个 样本； 分类标签标记模块， 用于标记每 个样本的分类标签； 可控源电磁数据分类模型构建模块， 用于构建时域卷积网络， 并将样本及分类标签输 入至所述时域卷积网络进行训练得到可控 源电磁数据分类模型； 分类模块， 用于将待去噪的可控源电磁数据的数据段输入至所述可控源电磁数据分类 模型得到每个数据段的分类结果； 重组模块， 用于基于分类结果将高质量数据段进行重组拼接 。 6.一种终端， 其特 征在于： 包括： 一个或多个处 理器； 存储了一个或多个 计算机程序的存 储器； 所述处理器调用计算机程序以执 行： 权利要求1 ‑4任一项所述方法的步骤。 7.一种可读存储介质， 其特征在于： 存储了计算机程序， 所述计算机程序被处理器调用 以执行： 权利要求1 ‑4任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 113761805 B 3