典型文献
基于空间—波数域联合深度学习的数值频散压制
文献摘要：
有限差分法是地震勘探领域常用的波场数值模拟方法,当空间网格间距大或使用低阶差分算子时会产生严重数值频散现象,影响模拟精度.为此提出一种基于联合学习深度卷积神经网络的数值频散压制方法,该方法使用卷积神经网络自适应提取波场特征进行频散校正.首先,利用波场数据在空间域和波数域的稀疏特征构建残差学习卷积神经网络,提取波场的主要特征;其次,基于L1范数对网络模型进行稀疏优化,降低模型的复杂度,增加网络的泛化能力;最后,构造联合目标优化函数,使网络在空间—波数域联合约束的语义下学习频散压制的非线性逼近能力.将所提方法应用到不同模型正演的波场数据,结果表明:该方法可有效保护地震信号、压制频散;将网络与迁移学习结合,用于新模型的正演数据,可取得较好效果.与同类算法相比,该方法可以提高粗网格的计算精度、降低计算成本,所得波场快照具有较高的信噪比.
文献关键词：
数值频散压制;卷积神经网络;联合学习;稀疏约束;残差网络
中图分类号：
作者姓名：
张岩;崔淋淇;宋利伟;董宏丽
作者机构：
东北石油大学计算机与信息技术学院,黑龙江大庆163318;东北石油大学物理与电子工程学院,黑龙江大庆163318;东北石油大学人工智能能源研究院,黑龙江大庆163318;黑龙江省网络与智能控制重点实验室,黑龙江163318
文献出处：
引用格式：
[1]张岩;崔淋淇;宋利伟;董宏丽-.基于空间—波数域联合深度学习的数值频散压制)[J].石油地球物理勘探,2022(03):510-524
A类：
数值频散压制
B类：
波数域,有限差分法,地震勘探,勘探领域,数值模拟方法,当空,空间网格,低阶,重数,模拟精度,联合学习,学习深度,深度卷积神经网络,网络自适应,自适应提取,波场特征,行频,空间域,稀疏特征,特征构建,残差学习,L1,范数,稀疏优化,泛化能力,目标优化函数,联合约束,非线性逼近,逼近能力,模型正演,保护地,地震信号,迁移学习,可取,计算精度,低计算成本,快照,稀疏约束,残差网络
AB值：
0.372277
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
