基于深度卷积神经网络的地震相识别技术研究

发布时间：2022-02-22 08:36

　　针对传统地震相分析方法难以有效表征地震相与地震数据间复杂的非线性映射关系,而人工解释工作强度大、效率低的问题,进行了基于深度卷积神经网络模型开展了地震相的智能识别技术研究。首先根据钻井解释和专家知识两种方式构建了地震相的训练样本库,之后利用Tensorflow深度学习框架开展了网络参数寻优,再利用搭建好的网络模型进行了实际资料的训练和预测。测试结果表明,利用CNN构建的河流相模型,预测成功率高于75%。因此,深度卷积网络不仅可以很好地保持地震数据结构特征,还可以基于多层网络结构挖掘数据中更深层的特征来提高地震相识别结果的可靠性,印证了该技术在地震相识别中的巨大应用潜力。 

【文章来源】：物探化探计算技术. 2020,42(04)

【文章页数】：6 页

【文章目录】：
0 引言
1 深度卷积神经网络基本理论
2 在地震相识别中的应用
    2.1 地震相训练数据集的构建
    2.2 深度学习框架选择及关键参数设置
        2.2.1 样本输入参数设置
        2.2.2 网络结构
        2.2.3批尺寸(Batch_Size)
        2.2.4 学习率设定
        2.2.5 权重及偏置初始化
    2.3 模型效果分析
3 结论及展望



本文编号：3639092