典型文献
基于卷积神经网络的微地震初至拾取
文献摘要：
微地震初至拾取是微地震领域的核心问题之一,有效信号初至拾取的正确与否,直接影响到后续数据处理的精度.考虑到人工拾取初至费时、费力,而传统的自动拾取方法又非常依赖于自身参数的设置,受主观因素影响较大,因此将深度学习中卷积神经网络(CNN)结构引入到微地震数据处理中.针对微地震波形信号的特点和初至拾取的要求,搭建合适的CNN模型,以已标注好初至波到时的合成和实际微地震信号作为数据集样本,对模型进行训练测试,得到拾取效果最优的网络模型.该方法只需输入预处理后的原始微地震波形信号,就可以直接输出信号初至时间.与传统自动拾取方法相比,该方法具有拾取流程简单、运算时间短、拾取效率高等特点.使用训练好的网络模型分别拾取待检测的合成微地震信号和实际监测信号的初至波到时,结果表明基于CNN的初至拾取方法可以在短时间内较为准确地拾取微地震信号初至.
文献关键词：
微地震;初至拾取;卷积神经网络;模型训练测试;实际信号拾取
中图分类号：
作者姓名：
李政超;王维波;高明;盛立
作者机构：
中国石油大学(华东),控制科学与工程学院,青岛 266580
文献出处：
引用格式：
[1]李政超;王维波;高明;盛立-.基于卷积神经网络的微地震初至拾取)[J].地球物理学进展,2022(03):1060-1069
A类：
微地震初至,模型训练测试,实际信号拾取
B类：
初至拾取,费时,费力,自动拾取,主观因素,地震数据处理,地震波形,波形信号,地震信号,输出信号,运算时间,练好,监测信号
AB值：
0.144293
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。
