典型文献
基于深度学习的三种地震波阻抗反演方法比较
文献摘要：
神经网络结构的差异性导致深度学习效果不同.为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度和计算效率;然后通过实际资料应用进一步对比三种方法的效果.模型测试结果表明,基于TCN的波阻抗反演的计算效率和反演精度相对较高,基于TCN、FCN和CRNN的波阻抗反演用时分别为82、68和264s,皮尔逊相关系数分别为99.15％、97.84％和98.14％.实际资料应用表明,基于TCN的波阻抗反演结果与测井资料更加匹配.该结论可为智能地震波阻抗反演方法的优选提供参考.
文献关键词：
深度学习;地震波阻抗反演;全卷积神经网络;卷积循环神经网络;时域卷积神经网络
中图分类号：
作者姓名：
王泽峰;李勇根;许辉群;杨梦琼;赵桠松;彭真
作者机构：
长江大学地球物理与石油资源学院,湖北武汉430100;中国石油勘探开发研究院,北京100083
文献出处：
引用格式：
[1]王泽峰;李勇根;许辉群;杨梦琼;赵桠松;彭真-.基于深度学习的三种地震波阻抗反演方法比较)[J].石油地球物理勘探,2022(06):1296-1303
A类：
时域卷积神经网络,264s
B类：
种地,地震波阻抗反演,反演方法,方法比较,神经网络结构,全卷积神经网络,FCN,卷积循环神经网络,CRNN,TCN,正演模型,模型测试,计算效率,三种方法,反演精度,皮尔逊相关系数,测井资料
AB值：
0.163858
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。
