导读:本文包含了初至拾取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:地表,卷积,深度,震源,神经网络,自由度,乘法。
初至拾取论文文献综述
喻志超,谭玉阳,翟尚,冯方方,何川[1]（2019）在《基于波形相似特征的微地震事件初至拾取及全局校正》一文中研究指出微地震事件初至拾取是井下微地震监测数据处理的关键步骤之一.初至误差的存在会使微地震震源定位结果产生较大偏差,进而影响后续的压裂裂缝解释.通常初至拾取过程对所有的微地震事件选择相同的特征函数并采用一致的拾取参数进行统一处理,然而当事件的能量、震源机制、传播路径以及背景噪声等存在明显差异时,所得初至拾取结果差别显着.为了提高微地震事件初至拾取标准一致性,本文提出基于波形相似特征的初至拾取及全局校正方法.该方法首先利用互相关函数对每个事件内的各道记录进行时差校正,得到初始初至信息并形成迭加道,再对所有事件的迭加道进行全局互相关得到事件间初至相对校正量,最终初至结果可以通过各个事件的初始初至信息与其相对校正量相加得到.方法将所有微地震事件初至结果作为一个整体处理,从而能够克服常规方法初至拾取标准一致性差的缺陷.实际资料处理结果表明,相比于常规方法,该方法可以有效提高事件初至拾取和定位结果的一致性.(本文来源于《地球物理学报》期刊2019年12期）
帅威,王君,彭延国,廖永杰,苟正忠[2]（2019）在《优化的卷积神经网络初至波自动拾取技术》一文中研究指出近年来,人工智能深度学习在多个领域蓬勃发展,在地球物理勘探中的应用研究已经成为一个重点。海量地震数据初至波自动拾取的精度和效率是后续资料处理中解决静校正的基础保障。借助Hadoop分布式批处理计算系统和TensorFlow人工智能学习平台,对优化的卷积神经网络深度学习初至波自动拾取技术进行了探索研究,开发了相应的初至波自动拾取软件。采用不同地区、不同震源类型和不同地表条件的地震数据对残差神经网络模型进行深度学习训练和验证,最终得到一个精度较高的地震初至波自动拾取网络模型。文章总结了卷积神经网络深度学习的基本方法原理、初至波自动拾取软件实现的关键步骤、地震初至波自动拾取网络模型的训练、并验证了拾取效果和效率。(本文来源于《2019年油气地球物理学术年会论文集》期刊2019-11-27）
丁建群,何永清,郭锐,宁宏晓,吕盼盼[3]（2019）在《基于U-Net网络的地震数据初至自动拾取方法》一文中研究指出近年来,随着"两宽一高"野外采集技术的发展和进步,野外采集工区地表条件越来越复杂,单日及总体采集数据量成倍增加,其对地震数据初至拾取提出了更高的要求和挑战。本文分析了采集地震数据在海量数据条件下面临的主要问题,提出了基于深度学习技术,通过在学习前进行高斯去噪等一系列数据处理,降低了深度学习的特征识别难度;选取U-Net模型作为深度学习的基础模型,较好地实现了对初至波的分割与准确定位;选取正半波波形为学习特征,提升了深度学习在初至波识别中的算法稳定性。本方法在海量数据条件下的低信噪比地震数据初至自动拾取方面进行了有益的方法探索,取得了初步效果。(本文来源于《2019年油气地球物理学术年会论文集》期刊2019-11-27）
吕景峰,李平,祖云飞,温中涛,刘利峰[4]（2019）在《复杂近地表区初至拾取方法应用研究》一文中研究指出复杂近地表区表层结构在纵横向上变化剧烈,静校正问题较为突出。初至波层析静校正技术是目前适应能力最强的近地表速度反演与静校正技术,能够较好地解决各种复杂近地表结构的静校正问题。但该技术在应用过程中,用于层析反演的初至时间精度决定着最终反演结果。本文通过模型正演方法确定了典型单炮初至拾取的准确位置;对可控震源单炮开展最小相位化和反褶积处理后,有效地提高了初至拾取的精度;根据叁维正演初至时间开展了不同初至范围的层析反演结果对比与分析,明确了满足层析反演所需的初至范围。通过本文的应用研究,不但提高了初至拾取的精度,还在保证层析反演精度的前提下,减少了初至拾取的工作量,缩短了层析反演周期,2019年度应用于目标区域的叁维勘探中,取得了较好的效果。(本文来源于《2019年油气地球物理学术年会论文集》期刊2019-11-27）
李利平,陈彦好,靳昊,成帅,孙子正[5]（2019）在《隧道突涌水防突结构微震响应初至拾取方法研究》一文中研究指出微震监测技术可通过对防突结构微震事件活动的监测实现对突涌水灾害时空演化过程的评价,而微震信号P波初至的精确拾取是突涌水通道活动精准定位的前提。为了实现突涌水过程中微震信号P波初至的精确拾取,提出能量分析拾取法,基于单自由度振动体系(SDOF)将突涌水微震事件引起的质点加速度运动记录进行能量域转化,使得时间序列中的波至特征在体系输入能、阻尼耗能及弹性动能序列上得到凸显,以此实现P波初至的精准识别,提高定位精度。对比分析不同信噪比微震信号,验证了该方法对于低信噪比的微震信号仍具有明显特征响应。通过构建震源定位双曲线模型,进行STA/LTA的2种拾取方法误差验证。实例显示,定位误差分布范围从STA/LTA的13.3 m缩窄至基于能量分析拾取法的7.8 m。结果表明:该拾取方法优于STA/LTA,能够在无预设阈值的情况下完成波动初至的拾取,避免了预设阈值的人为误差,具有更好的误差控制。(本文来源于《中国铁路》期刊2019年11期）
高磊,梁宇[6]（2019）在《基于两阶段优化的初至波自动拾取算法》一文中研究指出拾取初至波是近地表建模方法中的重要步骤。初至波的精确拾取可以影响到很多方面的工作,例如静校正和速度建模等,但是初至波受到强烈的背景噪声和复杂的近地表结构的影响,拾取的精确性会减低。本文提出了基于两阶段优化的初至波自动拾取算法。本文把初至拾取问题分成了两个子问题,分别产生两个优化目标,根据优化目标,生成优化函数。算法采用两个步骤:(1)先用纵向滑动窗口把初至波可能存在的范围带找出来;(2)改进了能量比率算法,在第1步找到的范围带中拾取初至波。在两个数据集上,将FPTO算法与反向传播神经网络方法(Backpropagation neural networks method,BNN)、直接相关方法(Direct correlation method,DC)以及Coppens的改进方法(Modified Coppens’s method,MCM)3种算法进行了对比,精确度得到了很大提升,算法的稳定性得到证明。(本文来源于《南京航空航天大学学报》期刊2019年05期）
时伟,林春华,王维红,高云路[7]（2019）在《双约束变换时窗统计能量比地震波初至拾取方法》一文中研究指出地震数据的初至拾取是地震勘探中数据预处理的关键步骤。在非常规油气藏的开发过程中,地面微地震监测技术被广泛应用,由于微地震数据信噪比普遍较低,因此很难得到较为准确的初至拾取结果。针对地震数据的初至拾取精度和算法的抗噪性能,在变换时窗统计能量比法的基础上进行改进,应用统计学规律的同时设置阈值门槛R,求取可信度高的优势道,结合拾取范围约束Z以及多种拾取策略逐道计算,最终实现地震记录的初至拾取。利用该方法对松辽盆地某工区叁维地震数据及某地区水平井水力压裂地面微地震监测数据进行初至拾取,取得到了较好的拾取效果,验证了该方法的实用性。(本文来源于《物探与化探》期刊2019年05期）
王君,帅威,龚莉,恽春华,李雪[8]（2019）在《基于深度残差网络的初至拾取软件开发》一文中研究指出基于残差的优化卷积神经网络—深度残差网络(ResNet)能够对图像进行有效的识别分类。将深度残差网络应用于地震数据的初至识别,借助Hadoop分布式批处理计算系统和TensorFlow人工智能学习平台开发了基于残差网络深度学习的初至波自动拾取软件。采用不同地区、不同震源类型和不同地表的地震数据对深度残差神经网络模型进行训练和验证,最终得到一个精度较高的地震初至自动拾取网络模型。本文总结了深度残差网络的基本方法原理、初至波自动拾取软件实现的关键步骤、地震初至自动拾取网络模型的训练、并验证了拾取效果和效率。(本文来源于《石油工业计算机应用》期刊2019年Z1期）
张苒,李硕,王伟,王一重,杜厚余[9]（2019）在《最小二乘法初至拟合自动拾取技术及应用》一文中研究指出地震资料的初至信息已成为静校正技术和近地表速度建模技术不可或缺的基础信息,因此如何准确并快速的识别初至时间至关重要。随着"两宽一高"采集技术的推广,数据量大幅度提高,手工拾取初至已经不能满足生产需求,必须进行自动拾取,然而目前已有的工业化初至自动拾取软件普遍存在拾取成功率低的问题。针对该问题,本文尝试利用最小二乘初至拟合法来约束自动拾取,通过最少的人工干预,成功的完成了目标区域初至的自动拾取工作。研究证明该方法不仅能够提高初至拾取的效率,而且还可以提高拾取精度,为后续静校正工作打下了良好的基础。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
王万里,魏新建,禄娟,何欣[10]（2019）在《初至自动拾取在地震采集质控中的应用》一文中研究指出随着地震采集仪器和计算机技术的发展,地震采集质量监控从人工转向自动化。高效高精度的初至自动拾取方法,在野外地震采集质量监控多个环节中发挥着重要作用,特别是在炮检关系检查中发挥着重要作用。常规的线性动校正方法由于受到近地表速度的影响,监控效果往往不是很理想。本文通过自动拾取的初至和人工交互设定的理论初至以及能量比较来判断该炮是否存在炮偏,不仅较好的解决了地震采集过程中的炮偏中的"沿偏"问题,也较好的解决了"垂偏"问题,有效地提高了野外地震资料采集的质量,节约了勘探成本。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
初至拾取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,人工智能深度学习在多个领域蓬勃发展,在地球物理勘探中的应用研究已经成为一个重点。海量地震数据初至波自动拾取的精度和效率是后续资料处理中解决静校正的基础保障。借助Hadoop分布式批处理计算系统和TensorFlow人工智能学习平台,对优化的卷积神经网络深度学习初至波自动拾取技术进行了探索研究,开发了相应的初至波自动拾取软件。采用不同地区、不同震源类型和不同地表条件的地震数据对残差神经网络模型进行深度学习训练和验证,最终得到一个精度较高的地震初至波自动拾取网络模型。文章总结了卷积神经网络深度学习的基本方法原理、初至波自动拾取软件实现的关键步骤、地震初至波自动拾取网络模型的训练、并验证了拾取效果和效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
初至拾取论文参考文献
[1].喻志超,谭玉阳,翟尚,冯方方,何川.基于波形相似特征的微地震事件初至拾取及全局校正[J].地球物理学报.2019
[2].帅威,王君,彭延国,廖永杰,苟正忠.优化的卷积神经网络初至波自动拾取技术[C].2019年油气地球物理学术年会论文集.2019
[3].丁建群,何永清,郭锐,宁宏晓,吕盼盼.基于U-Net网络的地震数据初至自动拾取方法[C].2019年油气地球物理学术年会论文集.2019
[4].吕景峰,李平,祖云飞,温中涛,刘利峰.复杂近地表区初至拾取方法应用研究[C].2019年油气地球物理学术年会论文集.2019
[5].李利平,陈彦好,靳昊,成帅,孙子正.隧道突涌水防突结构微震响应初至拾取方法研究[J].中国铁路.2019
[6].高磊,梁宇.基于两阶段优化的初至波自动拾取算法[J].南京航空航天大学学报.2019
[7].时伟,林春华,王维红,高云路.双约束变换时窗统计能量比地震波初至拾取方法[J].物探与化探.2019
[8].王君,帅威,龚莉,恽春华,李雪.基于深度残差网络的初至拾取软件开发[J].石油工业计算机应用.2019
[9].张苒,李硕,王伟,王一重,杜厚余.最小二乘法初至拟合自动拾取技术及应用[C].中国石油学会2019年物探技术研讨会论文集.2019
[10].王万里,魏新建,禄娟,何欣.初至自动拾取在地震采集质控中的应用[C].中国石油学会2019年物探技术研讨会论文集.2019
论文知识图
