报告详情
基于小样本卷积神经网络的主动源地震初至拾取方法
编号：63
访问权限：仅限参会人
更新：2021-06-07 16:25:28 浏览：810次
口头报告
报告开始：2021年07月10日 13:30（Asia/Shanghai）
报告时间：15min
所在会场：[S8] 8、地球物理 [S8-1] 8、地球物理-1
暂无文件
摘要
地震成像结果的准确性取决于初至到时的拾取精度，而人工挑选初至会极大地增加生产成本。前人研究表明深度学习可以应用于初至的自动拾取，然而传统的深度学习方法往往需要大量人工挑选的初至作为神经网络的训练集。文章利用U型卷积神经网络拾取单炮多道P波初至，结果表明P波初至拾取的均方根误差会随着训练集数量的增加而减少，训练集采用35炮和597炮数据时对应的均方根误差分别为11.4和6.5ms。文章参考半监督学习中数据增强方法，选取适合主动源数据的增强方法用于拓展训练集。结果显示，以人工拾取总数据量的5%（35炮）作为小样本并进行有效数据增强操作后，实现了均方根误差在5.5ms（约3个采样点）以内，比未经增强的误差减少51%。与传统的深度学习方法相比，文章应用的数据增强方法可以在小样本的情况下实现主动源地震初至的高精度拾取。
关键词
初至拾取,深度学习,Dense-U-Net,小样本训练集,均方根误差
报告人
于智瀚
南京大学稿件作者
全部评论
重要日期
-
会议日期
07月09日
2021
至07月11日
2021
-
05月30日 2021
摘要截稿日期
-
05月30日 2021
初稿截稿日期
-
05月30日 2021
提前注册日期
-
07月10日 2021
注册截止日期
-
07月11日 2021
报告提交截止日期
主办单位
青年地学论坛理事会
承办单位
中国科学院地球化学研究所
贵州大学
贵州大学
发表评论