本文提出了一個(gè)地震資料噪聲壓制神經(jīng)網(wǎng)絡(luò)模型,命名為:Seis-Res Net,自適應(yīng)識(shí)別地震資料中的隨機(jī)噪聲。采用41層深度殘差神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),輸入地震數(shù)據(jù)訓(xùn)練。網(wǎng)絡(luò)的輸出為隨機(jī)噪聲,這種改進(jìn)突破了深度學(xué)習(xí)算法網(wǎng)絡(luò)層數(shù)的限制,相比以往淺層神經(jīng)網(wǎng)絡(luò),學(xué)習(xí)地震信號(hào)特征更加充分,噪聲壓制效果更好。訓(xùn)練數(shù)據(jù)集在深度學(xué)習(xí)中起至關(guān)重要的作用,是制約神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度的關(guān)鍵因素。為解決目前地震數(shù)據(jù)處理人工智能方法研究中標(biāo)簽數(shù)據(jù)匱乏的問(wèn)題,本文自圖像處理領(lǐng)域,引入在線字典學(xué)習(xí)(Online Dictionary Learning)算法,批量化生成適應(yīng)于地震數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的標(biāo)準(zhǔn)化標(biāo)簽數(shù)據(jù)集。數(shù)值試驗(yàn)、實(shí)際地震資料處理結(jié)果表明,提出的深度殘差網(wǎng)絡(luò)模型能夠有效壓制噪聲。本文最后使用遷移學(xué)習(xí)的方法,二次訓(xùn)練網(wǎng)絡(luò)實(shí)現(xiàn)相干噪聲壓制,實(shí)際資料的處理結(jié)果驗(yàn)證了本方法擴(kuò)展性的可信與可行。

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)地震數(shù)據(jù)去噪方法研究現(xiàn)狀
        1.2.2 字典學(xué)習(xí)去噪研究現(xiàn)狀
        1.2.3 神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
        1.2.4 神經(jīng)網(wǎng)絡(luò)地震噪聲壓制研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 各章節(jié)內(nèi)容安排
第2章 機(jī)器學(xué)習(xí)與深度神經(jīng)網(wǎng)絡(luò)框架介紹
    2.1 機(jī)器學(xué)習(xí)簡(jiǎn)介
        2.1.1 機(jī)器學(xué)習(xí)的概念
        2.1.2 機(jī)器學(xué)習(xí)的一般步驟
        2.1.3 機(jī)器學(xué)習(xí)的分類
    2.2 稀疏編碼與字典學(xué)習(xí)簡(jiǎn)介
        2.2.1 稀疏編碼
        2.2.2 字典學(xué)習(xí)
    2.3 深度卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
        2.3.1 基本組成
        2.3.2 字典學(xué)習(xí)深度網(wǎng)絡(luò)的優(yōu)越性——以一個(gè)圖片AI去噪為例
第3章 在線字典學(xué)習(xí)地震數(shù)據(jù)處理
    3.1 在線字典學(xué)習(xí)原理
    3.2 合成地震記錄測(cè)試
    3.3 實(shí)際地震資料應(yīng)用
    3.4 利用在線字典算法建立標(biāo)準(zhǔn)數(shù)據(jù)集
    3.5 在線字典算法小結(jié)
第4章 深度殘差神經(jīng)網(wǎng)絡(luò)地震數(shù)據(jù)去噪
    4.1 深度殘差神經(jīng)網(wǎng)絡(luò)的構(gòu)建
        4.1.1 Seis-Res Net的輸入層與輸出層
        4.1.2 Seis-Res Net的隱含層
        4.1.3 Seis-Res Net的具體網(wǎng)絡(luò)搭建
    4.2 Seis-Res Net網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)測(cè)試
        4.2.1 建立測(cè)試標(biāo)準(zhǔn)
        4.2.2 卷積核數(shù)目
        4.2.3 卷積核尺寸及隱含層深度
    4.3 實(shí)際資料處理與分析
    4.4 Seis-Res Net模型的去噪能力擴(kuò)展
        4.4.1 深度殘差網(wǎng)絡(luò)的遷移學(xué)習(xí)特性
        4.4.2 Seis-Res Net模型去噪功能——以去相干噪聲為例
第5章 結(jié)論
    5.1 總結(jié)
    5.2 創(chuàng)新點(diǎn)
    5.3 不足之處
參考文獻(xiàn)
致謝



本文編號(hào)：3778939