針對傳統(tǒng)地震相分析方法難以有效表征地震相與地震數(shù)據(jù)間復雜的非線性映射關系,而人工解釋工作強度大、效率低的問題,進行了基于深度卷積神經(jīng)網(wǎng)絡模型開展了地震相的智能識別技術研究。首先根據(jù)鉆井解釋和專家知識兩種方式構建了地震相的訓練樣本庫,之后利用Tensorflow深度學習框架開展了網(wǎng)絡參數(shù)尋優(yōu),再利用搭建好的網(wǎng)絡模型進行了實際資料的訓練和預測。測試結果表明,利用CNN構建的河流相模型,預測成功率高于75%。因此,深度卷積網(wǎng)絡不僅可以很好地保持地震數(shù)據(jù)結構特征,還可以基于多層網(wǎng)絡結構挖掘數(shù)據(jù)中更深層的特征來提高地震相識別結果的可靠性,印證了該技術在地震相識別中的巨大應用潛力。 

【文章來源】：物探化探計算技術. 2020,42(04)

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 深度卷積神經(jīng)網(wǎng)絡基本理論
2 在地震相識別中的應用
    2.1 地震相訓練數(shù)據(jù)集的構建
    2.2 深度學習框架選擇及關鍵參數(shù)設置
        2.2.1 樣本輸入?yún)?shù)設置
        2.2.2 網(wǎng)絡結構
        2.2.3批尺寸(Batch_Size)
        2.2.4 學習率設定
        2.2.5 權重及偏置初始化
    2.3 模型效果分析
3 結論及展望



本文編號：3639092