典型文献
基于自注意力机制的卷积自编码器多次波压制方法
文献摘要：
地震数据的智能化处理可以降低人工成本,减少对未知先验信息的依赖,提升数据处理效率.在地震勘探数据中多次波通常被视作噪声,需要基于一定的数学物理模型对其进行压制或分离.研究利用与多次波全局时空高度相关的自注意力卷积自编码器神经网络压制多次波,可以避免实际计算中的超参数选取,大幅提高计算效率.其中,自注意力机制可以提升网络性能.将实测地震数据成像道集作为神经网络输入,使用商业软件将多次波压制后的结果作为标签数据,利用10％的工区地震数据训练神经网络以及90％的工区地震数据测试神经网络.神经网络测试的输出结果与标签数据的残差均值为0.0014,两者差距极小,说明使用该神经网络压制多次波的结果是正确的.与传统方法相比,基于自注意力机制的卷积自编码器多次波压制方法只需人工处理小样本量数据,再进行神经网络训练便可处理工区的大体量地震数据,为实际地震数据的多次波压制提供了一种有效且高效率的智能化处理方法.
文献关键词：
多次波压制;自编码器;自注意力机制;深度神经网络;人工智能
中图分类号：
作者姓名：
张猛
作者机构：
中国石油化工股份有限公司胜利油田分公司物探研究院,山东东营257022
文献出处：
引用格式：
[1]张猛-.基于自注意力机制的卷积自编码器多次波压制方法)[J].石油物探,2022(03):454-462
A类：
B类：
自注意力机制,卷积自编码器,多次波压制,地震数据,智能化处理,人工成本,先验信息,处理效率,地震勘探,物理模型,研究利用,超参数选取,高计算效率,网络性能,测地,商业软件,标签数据,工区,数据训练,数据测试,网络测试,输出结果,极小,小样本量,神经网络训练,大体量,深度神经网络
AB值：
0.201344
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。
