优化的卷积神经网络初至波自动拾取技术

论文摘要

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。

论文目录

• 1、引言
• 2、方法原理
• 3、模型训练与实际数据应用
• 4、结论与建议

文章来源

类型: 国内会议

作者: 帅威,王君,彭延国,廖永杰,苟正忠

关键词: 卷积神经网络,震源类型,地震初至波,自动拾取,训练和验证

来源: 2019年油气地球物理学术年会 2019-11-27

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 地质学,地球物理学,矿业工程

单位: 中国石油东方地球物理公司研究院

分类号: P631.4

DOI: 10.26914/c.cnkihy.2019.022885

页码: 35-39

总页数: 5

文件大小: 780k

下载量: 173