基于全卷积神经网络的地震初至波拾取

• 作者: 刘佳楠 武杰
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 海量数据 初至波拾取 深度学习 全卷积神经网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 58-63
• 页数: 6页
• 分类号: TP391
• 字数: 3043字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2018.11.014

摘要

为了提高初至波自动拾取的稳定性和高效性,减少初至波拾取耗费的人力,将当前迅猛发展的深度学习技术应用到地震数据处理领域.把初至拾取看作是二分类问题,初至波为一类,背景为另一类,参考全卷积神经网络在图像语义分割和边缘检测的成功应用,提出了利用全卷积神经网络来拾取初至波的新算法.通过搭建三个不同深度的全卷积神经网络结构并对其进行性能测试,选取性能最优的网络,并与商业地震数据处理软件TomoPlus自动拾取的结果进行比较,在高噪声情况下取得了更好的结果,验证了利用全卷积神经网络拾取初至波的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武杰	中国科学技术大学近代物理系	40	189	8.0	11.0
5	刘佳楠	中国科学技术大学近代物理系	1	0	0.0	0.0