一种从低信噪比地震信号中拾取地震相位的深度学习模型

本发明公开了一种从低信噪比地震信号中拾取地震相位的深度学习模型，包括特征提取主干、双向时序‑通道注意力模块（BTCA）、多尺度空洞卷积层模块（DSCN）。所述特征提取主干，使用级联的“LiteMobileBlock”模块，逐步从原始波形中提取浅层高分辨率特征，生成初始特征图；所述双向时序‑通道注意力模块整合了双向LSTM的时序建模能力与通道注意力机制的频谱感知能力（侧重不同传感器/方向的重要性），输出融合特征；所述多尺度空洞卷积层模块，利用膨胀系数不同的并行空洞卷积模块，以同步捕获波形的局部突变与全局振荡模式，产生多尺度增强特征，并通过LSTM进一步增强模型对地震信号中长程时间依赖的捕捉能力，输出时序增强特征。该模型融合了多尺度空洞卷积、双向时频注意力机制以及LSTM增强的序列建模模块，以提升低信噪比地震信号的特征提取与时序建模能力，实现对地震相位的鲁棒拾取。