基于卷积神经网络的地震资料去噪方法研究

发布时间：2020-12-25 10:34

　　地震资料去噪是地震数据处理流程中非常关键的一步。因为在后续的资料处理和分析中,都需要地震资料具有高信噪比,但野外地震资料的信噪比受许多因素的影响并不能很好地满足后续操作的要求,因此我们需要对其进行去噪处理。针对如何获得更好的去噪效果这个问题,大量的地球物理工作者通过多角度的研究分析,不断改进算法,取得了很多具有实用价值的成果。近年来,深度学习技术在国内外飞速发展,在各个领域得到了很好的应用,其中卷积神经网络由于其强大的特征学习与分类能力,被很多科研人员应用并获得了重要的研究结果。本文作者经文献调研发现:虽然神经网络已经成功应用于很多领域,但是其与地震资料处理结合的应用目前还相对较少。因此,本文深入探究了卷积神经网络的发展历程和基本原理,以及地球物理去噪方法目前的研究现状,在此基础上提出了一种基于卷积神经网络的地震资料智能化去噪方法,利用深度学习框架caffe对模型进行训练。将训练得到的模型用于地震道集的去噪。实验结果表明:利用卷积神经网络对地震资料去噪是可行的。然后讨论了网络模型三个重要参数:卷积核个数、卷积核尺寸大小以及网络层数对去噪效果的影响,确定用于地震资料去噪的网络结构参数。最... 

【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

神经元计算模型（来源于维基百科）

中国石油大学（北京）硕士学位论文 Sigmoid 函数，Tanh 函数，ReL： x11 e x 2 所示，它的作用是将输入数值压实践中使用，原因是因为当函数平坦导致梯度接近于 0，梯度接

图 2.2 Sigmoid 激活函数Fig. 2.2 Sigmoid activation functiontanh x 2 2 x 13 所示。输入实数值经过 Tanh 函Sigmoid 函数经平移放大后得来

【参考文献】：
期刊论文
[1]基于卷积神经网络的中国水墨画风格提取[J]. 王晨琛,王业琳,葛中芹,储开岳,蔡晶,金建华,陈颖,葛云.  图学学报. 2017(05)
[2]基于深度学习神经网络的车牌字符识别技术的研究[J]. 王晶.  工业控制计算机. 2017(03)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[4]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[5]基于POWER8的动态自适应池化算法[J]. 景维鹏,张兴革.  计算机工程. 2016(05)
[6]基于多重卷积神经网络的大模式联机手写文字识别[J]. 葛明涛,王小丽,潘立武.  现代电子技术. 2014(20)
[7]基于深度学习网络的射线图像缺陷识别方法[J]. 余永维,殷国富,殷鹰,杜柳青.  仪器仪表学报. 2014(09)
[8]基于卷积神经网络的植物叶片分类[J]. 龚丁禧,曹长荣.  计算机与现代化. 2014(04)
[9]基于深度网络的图像处理的研究[J]. 朱明,武妍.  电子技术与软件工程. 2014(05)
[10]局部相关加权中值滤波技术及其在叠后随机噪声衰减中的应用[J]. 刘洋,王典,刘财,冯晅.  地球物理学报. 2011(02)

博士论文
[1]基于卷积神经网络的医学图像癌变识别研究[D]. 薛迪秀.中国科学技术大学 2017
[2]基于深度学习的暴力检测及人脸识别方法研究[D]. 丁春辉.中国科学技术大学 2017

硕士论文
[1]卷积神经网络在糖网病眼底图像分类中的应用研究[D]. 熊彪.深圳大学 2017
[2]卷积神经网络在遥感目标识别中的应用研究[D]. 殷文斌.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[3]基于多摄像头的人脸识别系统设计与实现[D]. 刘翠.东北师范大学 2017
[4]卷积神经网络在医学图像处理中的应用研究[D]. 黄中勇.湖北工业大学 2017
[5]滑块游戏验证码和基于小样本的验证码识别研究[D]. 王泽颖.湘潭大学 2016
[6]无源毫米波成像系统显控终端设计与超分辨算法研究[D]. 付彦龙.电子科技大学 2016
[7]基于稀疏表示理论的地震数据去噪方法研究[D]. 张洋.合肥工业大学 2016
[8]基于深度学习的林火图像识别算法及实现[D]. 傅天驹.北京林业大学 2016
[9]基本卷积神经网络的图像去噪算法研究[D]. 任静.西安电子科技大学 2015
[10]基于CNN的字符识别方法研究[D]. 王强.天津师范大学 2014



本文编号：2937483