典型文献
基于深度学习的井间地震CT初至自动拾取方法
文献摘要：
井间地震CT方法能够有效探测岩溶等不良地质,而拾取地震波的初至对其反演结果至关重要,以往井间地震CT初至拾取通过手动标定,效率低,无法满足模型训练要求.本文基于人工源地震初至的时距特征,提出了一种基于深度学习的地震初至训练样本库快速标定方法.利用人工合成数据训练初始网络模型,采用少量人工标定实测数据进一步训练,基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取,采用长短时窗比法修正曲线拟合结果,对仍不理想的拾取结果进行人工判别和改正,并将准确标定数据加入训练集,形成新的网络模型;通过迭代实现数据集再生成并获得后续阶段的网络模型.基于上述方法完成了80000道数据的初至拾取,在充分训练后神经网络具备较高的拾取精度,采用3840组数据对该模型进行测试,发现预测结果与人工拾取结果对比的绝对误差值小于0.2ms的数据占91.8％,说明该方法是一种切实有效且高效的井间地震CT初至拾取方法.
文献关键词：
井间地震CT;初至拾取;深度学习;神经网络;训练样本集;人工智能
中图分类号：
作者姓名：
杨洋;王用鑫;李虎;王庆林;范涛;门燕青;刘锐;孙怀凤
作者机构：
山东大学,岩土与结构工程研究中心,山东济南250061;山东大学,地球电磁探测研究所,山东济南250061;山东省工业技术研究院先进勘探与透明城市协同创新中心,山东济南250101;济南轨道交通集团有限公司,山东济南250101;山东省地震局,山东济南250014;中煤科工集团西安研究院有限公司,陕西西安710077
文献出处：
引用格式：
[1]杨洋;王用鑫;李虎;王庆林;范涛;门燕青;刘锐;孙怀凤-.基于深度学习的井间地震CT初至自动拾取方法)[J].应用基础与工程科学学报,2022(01):183-195
A类：
长短时窗比法
B类：
井间地震,自动拾取,岩溶,不良地质,地震波,初至拾取,过手,模型训练,训练要求,时距,样本库,快速标定,标定方法,人工合成,合成数据,数据训练,曲线拟合,改正,训练集,道数,结果对比,绝对误差,误差值,2ms,切实有效,训练样本集
AB值：
0.292896
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。
