(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111201393.9 (22)申请日 2021.10.15 (71)申请人 西华大学 地址 610039 四川省成 都市金牛区土桥金 周路999号 (72)发明人 杨梦雪　向天宇　杨成　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 代理人 张明浩 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/10(2020.01) (54)发明名称 基于生成式对抗网络算法的人工地震波模 拟方法 (57)摘要 本发明公开了基于生成式对抗网络算法的 人工地震波模拟方法， 向生成器输入随机噪声， 将随机噪声依次经重塑、 全连接层映射、 反卷积 后， 最后得到生成器生成地震样本； 判别器对生 成器生成地震样本进行判断， 输出判断结果； 对 判断结果进行验证， 确定判断结果的有效性； 判 别器以Wasserstein范数定义的损失函数判断人 造地震动数据的网络训练效果。 WGAN具有学习时 变特性的能力， 可直接生成非平稳的随机信号， 使时变包络也具有随机性， 因此生成的地震波更 贴近天然地震波。 生成式对抗网络为生成非平稳 信号提供了新的思路， 也可以运用到其他工程时 变信号， 如脉动风时程曲线、 轨道不平顺等人工 样本的生成。 权利要求书3页 说明书10页 附图5页 CN 113935240 A 2022.01.14 CN 113935240 A 1.基于生成式对抗网络算法的人工地震 波模拟方法， 包括以下步骤： S1、 向生成器输入随机噪声， 将随机噪声依次经重塑、 全连接层映射、 反卷积后， 最后得 到生成器生成地震样本； S2、 判别器对生成器生成地震样本进行判断， 输出判断结果； S3、 对判断结果进行验证， 确定判断结果的有效性； 其特征是： 判别器以Was serstein范数定义的损失函数判断人造地震动数据的网络训练效果。 2.根据权利要求1所述的基于生成式对抗网络算法的人工地震波模拟方法， 其特征是： Wasserstein范数定义的损失函数为： 其中， W(Pr,Pg)为损失函数， Pr为真实地震样本的分布， Pg为生成器生成地震样本的分 布， 参数θ为Pr、 Pg这两个分布之间的距离， x、 y为联合分布γ中采样得到的真实样本和生成 样本， 为在所有可能的联合分布γ中能够对这个期望值E(x,y)～γ[| |x‑y||]取到的下界， 该 下界即为 Wasserstein范数； 从上述推导可知， 当两个分布Pr， Pg离得很远， 完全没有重合或者重合程度小到可以忽 略时， Wasserstein范数仍然能够提供有意义的梯度， 鉴于式(1)无法直接计算， 通过 Kantorovic h‑Rubinstein的对偶性， 得到式(1)的替代式， 如下 所示 式中||f||L≤K表示K ‑Lipschitz条件， 即连续函数f的定义域内任意两个元素x1和x2， 都需满足条件|f(x1)‑f(x2)|≤K|x1‑x2|， 使连续函数f在定义域内的导函数值不得大于K 值， 为了满足||f||L≤K这个条件， WGAN限制了判别器网络中参数， 使其都不得超过[ ‑c,c] 这个范围， 此时输入数据x的导函数值不会超过某个范围， 一定存在某个常数K满足||f||L ≤K的限制； 基于Wasserstein范数的目标函数 可定义为 式中， E[·]为函数的期望， D为判别器， G为生成器， D(x)为判别器评价真实数据 为真的 概率， D(G(z))为判别器评价生成数据 为假的概率， 为目标函数， 由于目标 函数内没有log函数， 因此判别器目标函数的大小指示网络训练的进程， 当距离越小， 表示 网络训练的越好。 3.根据权利要求1所述的基于生成式对抗网络算法的人工地震波模拟方法， 其特征是： S1中生成地震样本的具体步骤为： 向生成器输入矢量长度为400的随机 噪声， 首先， 将这一 随机噪声重塑成1 ×1×400的三维矩阵， 并通过全连接层映射为5 ×5×960大小的三维矩 阵， 然后， 神经网络利用反卷积技术， 将上一层的特征信息， 逐渐减少特征通道数， 而增加数 据尺寸的大小， 最后得到20 ×20×15三维矩阵， 将此数据进 行重新排列成一 维数组， 即得到权　利　要　求　书 1/3 页 2 CN 113935240 A 2所需生成的长度为6 000的生成器生成地震样本 。 4.根据权利要求1所述的基于生成式对抗网络算法的人工地震波模拟方法， 其特征是： S2中， 将生成器生成地震样本输入判别器中， 判别器对生成器生成地震样本进行逐层卷积 操作， 特征通道数逐渐增加， 而每个特征的数据 尺寸逐渐减小， 对经多次卷积操作并完成特 征提取后的数据， 重新排列成一维数组， 再将其输入softmax判别层， 以实现其 “真”和“假” 的判别。 5.根据权利要求1所述的基于生成式对抗网络算法的人工地震波模拟方法， 其特征是： S3中， 对判断结果进行验证的具体方法为： 采用小波变换， 分别得到天然地震波和生成器生成地震样本的时变功率谱， 小波变换 中的小波， 即为母小 波或小波母函数， 对 母小波进行平移与伸缩， 得到对应的小 波基函数： 式中b为平移因子， a为尺度因子， ψ( ·)为母小波， 将上述一系列的小波基函数叠加起 来， 即得到对于任意函数x(t)∈L2(R)的连续小波变换， 定义如式(5)， 其 中， L2(R)表示平方 可积的实数空间， 即能量有限的信号空间； Wt(a,b)也称为小 波变换系数， 其中*为复共 轭： 可得到基于小 波变换估计的功率谱： 式中， M为所取样本的个数， fi为过程x(t)的第i个样本， Δf为小波频带的宽度， H(f)为 传递函数， 如式(7)： H(f)＝ ψ(a2 π f)e‑i2 π fb        (7) 为了验证天然地震 波和生成器生成地震样本之间的吻合 性， 对以下 特征进行对比： 1)时域检验 时变功率谱的表征能量在时间和频率分布上有以下的边 缘特性： 式中， x(t)为地震动加速度时程， 对上述式(7)进行时间积分， 即可得t时刻的累积能 量： 随着时间的增长， t时刻的累积能量也随之增大， 最后将得到一条以t为自变量， E(t)为 因变量的增函数曲线， 定量 地得到时变功率谱在时域上的变化特性； 2)频域检验 对于地震动加速度时程x(t)， 其平均功率谱定义如下式： 式中， T为地震动加速度时程x(t)的持续时间， Sxx(f)表示傅里叶变换得到的地震动加权　利　要　求　书 2/3 页 3 CN 113935240 A 3