典型文献
无监督残差网络的地震数据重构方法
文献摘要：
野外采集的地震数据通常会存在地震道缺失的问题,对其进行重构一直是地震资料处理中的一个难题.目前使用深度学习(Deep Learning,DL)方法重构地震数据主要采用完整地震数据作为标签训练网络模型的监督学习方式,然而对实测野外数据很难获得准确的标签.对大量训练样本的依赖影响了 DL方法在地震数据重构中的应用.为此,提出了一种基于残差网络的无监督DL的地震数据重构方法.该方法无需使用完整的地震数据作为训练集训练残差网络,而是以随机数据作为残差网络的输入,以含缺失地震道的地震数据作为网络的期望输出.通过对网络预测与期望输出之间的误差的反向传播,迭代优化网络参数,使网络与期望输出间的误差达到最小,获得参数最优的残差网络,并用该网络重构缺失的地震数据.在网络参数优化过程中,利用卷积的局部和平移不变性质,用卷积滤波器学习多尺度下地震数据邻域之间的相似特征,并在网络输出中呈现学习到的这些先验特征.使用所提方法重构Marmousi模型模拟地震资料和实测海洋拖缆资料中规则和不规则缺失的记录道,并与传统的快速凸集投影软阈值(FPOCS-Soft)方法的结果进行对比,结果表明,无监督残差网络方法可有效重构缺失地震道,准确性高、连续性好,精度高于FP()CS-Soft方法.
文献关键词：
地震数据重构;卷积神经网络;深度学习;残差网络;无监督学习
中图分类号：
作者姓名：
孟宏宇;杨华臣;张建中
作者机构：
海底科学与探测技术教育部重点实验室,266100;中国海洋大学海洋地球科学学院,山东青岛266100;青岛海洋科学与技术试点国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛266100
文献出处：
引用格式：
[1]孟宏宇;杨华臣;张建中-.无监督残差网络的地震数据重构方法)[J].石油地球物理勘探,2022(04):789-799
A类：
FPOCS
B类：
残差网络,地震数据重构,重构方法,数据通,地震资料处理,使用深度,Deep,Learning,DL,方法重构,整地,学习方式,训练样本,训练集,集训,随机数据,失地,期望输出,反向传播,迭代优化,网络参数,网络重构,平移不变性,卷积滤波,滤波器,邻域,先验,Marmousi,模型模拟,测海,拖缆,凸集投影,软阈值,Soft,无监督学习
AB值：
0.275541
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。
