典型文献
深度学习在地震初至拾取中的应用综述
文献摘要：
随着计算机硬件技术的不断提高,人工智能技术在各个行业的广泛应用,地震学界开始探索用深度学习算法处理地震初至波数据,为初至波的拾取研究提供了崭新的方向.为了解决传统地震波初至拾取方法对低信噪比资料拾取精度较低、算法鲁棒性较差等缺点,提高地震初至拾取速度和效率,减少耗费的人力以及人为拾取所产生的误差,该文系统地介绍了地震事件初至波拾取的常用传统方法,详细地阐述了深度学习领域内各种经典神经网络模型在地震初至波拾取中应用现状.通过实例对比分析卷积神经网络、深度信念网络、生成对抗神经网络和深度递归神经网络等模型在地震初至波拾取中的应用效果,讨论总结了深度学习在地震初至波拾取领域内应用存在问题和应用前景,为今后地震初至拾取研究提供新的思路.
文献关键词：
人工智能;深度学习;地震勘探;初至拾取;神经网络
中图分类号：
作者姓名：
高新成;杜功鑫;王莉利;李强;柯璇
作者机构：
东北石油大学 现代教育技术中心,黑龙江 大庆 163318;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 地球科学学院,黑龙江 大庆 163318
文献出处：
引用格式：
[1]高新成;杜功鑫;王莉利;李强;柯璇-.深度学习在地震初至拾取中的应用综述)[J].计算机技术与发展,2022(08):1-6
A类：
B类：
初至拾取,应用综述,计算机硬件,地震学,深度学习算法,波数,地震波初至,低信噪比,高地震,耗费,地震事件,学习领域,深度信念网络,生成对抗神经网络,深度递归神经网络,内应,地震勘探
AB值：
0.260712
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。
