典型文献
地球物理信号特征识别与解释的机器学习方法及应用综述
文献摘要：
地球物理信号是地下介质对物理场的响应,其特征是解释地下结构和性质的主要依据.但受限于地下介质构造及物性分布特征的复杂性,地球物理信号特征的识别和解释具有不确定性.机器学习基于数据与特征的映射关系为判别地球物理信号特征和解释提供了新的思路和方法.本文围绕机器学习方法在地球物理信号特征识别及解释应用主题,梳理得到机器学习用于地球物理信号特征识别与解释的一般逻辑思路和工作流程,在提炼机器学习所涉及的处理技术和评价体系的基础上,进一步总结了机器学习在解决岩石图像识别与分类、地层岩性预测与成图、地震事件检测和到时提取、微小地震信号解释等问题时的技术要点;并对深度学习模型和简单的机器学习模型针对不同地球物理信号进行特征识别与解释的适用性和应用实效进行了分析.针对目前的发展趋势和已有研究,对机器学习在地球物理信号特征识别应用方面进行了讨论和展望.
文献关键词：
机器学习;地球物理信号;特征识别;岩性识别;地震检测
中图分类号：
作者姓名：
胡琪鑫;徐亚
作者机构：
中国科学院地质与地球物理研究所,中国科学院油气资源研究重点实验室,北京 100029;中国科学院地球科学研究院,北京 100029;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]胡琪鑫;徐亚-.地球物理信号特征识别与解释的机器学习方法及应用综述)[J].地球物理学进展,2022(06):2395-2407
A类：
B类：
地球物理信号,信号特征,特征识别,机器学习方法,方法及应用,应用综述,物理场,地下结构,受限于,质构,及物性,映射关系,思路和方法,理得,习用,逻辑思路,岩石图像,图像识别与分类,地层岩性,岩性预测,成图,地震事件,事件检测,微小地震,地震信号,技术要点,深度学习模型,机器学习模型,应用实效,岩性识别,地震检测
AB值：
0.323473
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。
