典型文献
基于压缩感知和深度学习的地震数据重建
文献摘要：
在越来越复杂的勘探环境中,针对因地震数据不完整、不规则导致的重建结果不精确的问题,提出了一种基于压缩感知和深度学习的地震数据重建方法.首先,利用地震信号在Shearlet变换域内的稀疏性,在压缩感知框架下对数据进行预处理.然后,将预处理后的结果作为网络的输入数据,将完整的地震数据作为标签数据,对两者进行数据块处理并建立训练数据,利用卷积神经网络(CNN)实现地震数据端到端的重建.最后,基于训练后的网络模型获得最终重建结果.利用合成地震数据和实际地震数据的重建结果验证基于压缩感知和深度学习的地震数据重建方法的有效性.试验结果表明,在采样率相同的情况下,相比于压缩感知重建方法和深度学习重建方法,结合压缩感知和深度学习的重建方法能够更有效地恢复缺失数据,重建误差更小,在数据大量缺失的情况下,该方法也能够表现出较好的重建性能.
文献关键词：
地震数据重建;压缩感知;Shearlet变换;稀疏变换;深度学习;卷积神经网络
中图分类号：
作者姓名：
金成玫;陈生昌
作者机构：
浙江大学地球科学学院,浙江杭州310000
文献出处：
引用格式：
[1]金成玫;陈生昌-.基于压缩感知和深度学习的地震数据重建)[J].石油物探,2022(05):782-792
A类：
B类：
压缩感知,地震数据重建,勘探,重建方法,地震信号,Shearlet,变换域,稀疏性,输入数据,标签数据,数据块,块处理,训练数据,端到端,采样率,深度学习重建,缺失数据,重建误差,稀疏变换
AB值：
0.258761
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。
