地震資料去噪是地震數(shù)據(jù)處理流程中非常關(guān)鍵的一步。因?yàn)樵诤罄m(xù)的資料處理和分析中,都需要地震資料具有高信噪比,但野外地震資料的信噪比受許多因素的影響并不能很好地滿足后續(xù)操作的要求,因此我們需要對(duì)其進(jìn)行去噪處理。針對(duì)如何獲得更好的去噪效果這個(gè)問(wèn)題,大量的地球物理工作者通過(guò)多角度的研究分析,不斷改進(jìn)算法,取得了很多具有實(shí)用價(jià)值的成果。近年來(lái),深度學(xué)習(xí)技術(shù)在國(guó)內(nèi)外飛速發(fā)展,在各個(gè)領(lǐng)域得到了很好的應(yīng)用,其中卷積神經(jīng)網(wǎng)絡(luò)由于其強(qiáng)大的特征學(xué)習(xí)與分類能力,被很多科研人員應(yīng)用并獲得了重要的研究結(jié)果。本文作者經(jīng)文獻(xiàn)調(diào)研發(fā)現(xiàn):雖然神經(jīng)網(wǎng)絡(luò)已經(jīng)成功應(yīng)用于很多領(lǐng)域,但是其與地震資料處理結(jié)合的應(yīng)用目前還相對(duì)較少。因此,本文深入探究了卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程和基本原理,以及地球物理去噪方法目前的研究現(xiàn)狀,在此基礎(chǔ)上提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的地震資料智能化去噪方法,利用深度學(xué)習(xí)框架caffe對(duì)模型進(jìn)行訓(xùn)練。將訓(xùn)練得到的模型用于地震道集的去噪。實(shí)驗(yàn)結(jié)果表明:利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)地震資料去噪是可行的。然后討論了網(wǎng)絡(luò)模型三個(gè)重要參數(shù):卷積核個(gè)數(shù)、卷積核尺寸大小以及網(wǎng)絡(luò)層數(shù)對(duì)去噪效果的影響,確定用于地震資料去噪的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。最... 

【文章來(lái)源】：中國(guó)石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)元計(jì)算模型（來(lái)源于維基百科）

中國(guó)石油大學(xué)（北京）碩士學(xué)位論文 Sigmoid 函數(shù)，Tanh 函數(shù)，ReL： x11 e x 2 所示，它的作用是將輸入數(shù)值壓實(shí)踐中使用，原因是因?yàn)楫?dāng)函數(shù)平坦導(dǎo)致梯度接近于 0，梯度接

圖 2.2 Sigmoid 激活函數(shù)Fig. 2.2 Sigmoid activation functiontanh x 2 2 x 13 所示。輸入實(shí)數(shù)值經(jīng)過(guò) Tanh 函Sigmoid 函數(shù)經(jīng)平移放大后得來(lái)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的中國(guó)水墨畫風(fēng)格提取[J]. 王晨琛,王業(yè)琳,葛中芹,儲(chǔ)開岳,蔡晶,金建華,陳穎,葛云.  圖學(xué)學(xué)報(bào). 2017(05)
[2]基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別技術(shù)的研究[J]. 王晶.  工業(yè)控制計(jì)算機(jī). 2017(03)
[3]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[4]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[5]基于POWER8的動(dòng)態(tài)自適應(yīng)池化算法[J]. 景維鵬,張興革.  計(jì)算機(jī)工程. 2016(05)
[6]基于多重卷積神經(jīng)網(wǎng)絡(luò)的大模式聯(lián)機(jī)手寫文字識(shí)別[J]. 葛明濤,王小麗,潘立武.  現(xiàn)代電子技術(shù). 2014(20)
[7]基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識(shí)別方法[J]. 余永維,殷國(guó)富,殷鷹,杜柳青.  儀器儀表學(xué)報(bào). 2014(09)
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的植物葉片分類[J]. 龔丁禧,曹長(zhǎng)榮.  計(jì)算機(jī)與現(xiàn)代化. 2014(04)
[9]基于深度網(wǎng)絡(luò)的圖像處理的研究[J]. 朱明,武妍.  電子技術(shù)與軟件工程. 2014(05)
[10]局部相關(guān)加權(quán)中值濾波技術(shù)及其在疊后隨機(jī)噪聲衰減中的應(yīng)用[J]. 劉洋,王典,劉財(cái),馮晅.  地球物理學(xué)報(bào). 2011(02)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像癌變識(shí)別研究[D]. 薛迪秀.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]基于深度學(xué)習(xí)的暴力檢測(cè)及人臉識(shí)別方法研究[D]. 丁春輝.中國(guó)科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在糖網(wǎng)病眼底圖像分類中的應(yīng)用研究[D]. 熊彪.深圳大學(xué) 2017
[2]卷積神經(jīng)網(wǎng)絡(luò)在遙感目標(biāo)識(shí)別中的應(yīng)用研究[D]. 殷文斌.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017
[3]基于多攝像頭的人臉識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉翠.東北師范大學(xué) 2017
[4]卷積神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)圖像處理中的應(yīng)用研究[D]. 黃中勇.湖北工業(yè)大學(xué) 2017
[5]滑塊游戲驗(yàn)證碼和基于小樣本的驗(yàn)證碼識(shí)別研究[D]. 王澤穎.湘潭大學(xué) 2016
[6]無(wú)源毫米波成像系統(tǒng)顯控終端設(shè)計(jì)與超分辨算法研究[D]. 付彥龍.電子科技大學(xué) 2016
[7]基于稀疏表示理論的地震數(shù)據(jù)去噪方法研究[D]. 張洋.合肥工業(yè)大學(xué) 2016
[8]基于深度學(xué)習(xí)的林火圖像識(shí)別算法及實(shí)現(xiàn)[D]. 傅天駒.北京林業(yè)大學(xué) 2016
[9]基本卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪算法研究[D]. 任靜.西安電子科技大學(xué) 2015
[10]基于CNN的字符識(shí)別方法研究[D]. 王強(qiáng).天津師范大學(xué) 2014



本文編號(hào)：2937483