基于稀疏自编码的页岩气层反射地震信号表征研究

发布时间：2024-01-04 18:22

　　天然气是我国紧缺的战略性清洁能源。加快页岩气开发是国家洁净能源战略的重要组成部分。我国页岩气分布广、埋藏深、形成时间早、演化程度高、非均质性强。常规的含气性检测如亮点技术、AVO等方法存在局限。深度学习具有通过多重非线性变换而自动学习数据本质特征的能力。本文将深度学习与地震信号时频分析结合应用于页岩含气性识别。通过对模型提取的高层特征分析表明,本文提出的相关模型能够对页岩含气分布进行精确刻画。本文研究内容与成果如下:1.在常用的深度学习网络基础上,研究了卷积神经网络、循环神经网络、自编码器、深度信念网络等。研究深度学习参数优化算法以及特征提取方法。重点研究稀疏自编码网络与卷积自编码网络两种无监督算法网络,并通过TensorFlow搭建深度学习框架,设计并建立相关网络模型。2.根据地震信号时频分析方法理论,重点研究短时傅里叶变换、连续小波变换、S变换、匹配追踪以及希尔伯特变换。根据理论,对模拟地震信号进行时频分析效果对比,优选用于稀疏自编码属性融合的时频分析方法。3.构建7层的稀疏自编码(SAE)网络,设定稀疏系数为0.1,采用Adam优化方法对网络进行逐层优化。以达到在编码过程中,对优...

【文章页数】：68 页

【学位级别】：硕士

本文编号：3876836