基于卷积自编码器的地震数据处理

• 作者: 任浩然 李瀚野 江金生
• 来源期刊: 浙江大学学报（工学版）
• 学科: 地球科学
• 关键词: 卷积自编码器 地震道插值 地震随机噪声压制 深度神经网络 稀疏表达
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 地球科学
• 页码范围: 978-984
• 页数: 7页
• 分类号: P3
• 字数: 4546字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.05.016

摘要

引入以深度学习为代表的数据驱动方法,加速地震数据的处理流程,获得更精确的地下介质信息.卷积自编码器方法在地震数据压缩降维的同时,利用数据的空间局部相关性自动提取信号特征,避免数学物理模型的假设依赖.通过设计不同地质模型的地下速度结构,利用波动方程正演模拟构建大量不同特征的地震数据训练集和测试集.与模型驱动的地震随机噪声压制和地震道插值方法不同,数据驱动下的卷积自编码器方法能够从含随机噪声地震数据和地震道缺失数据中,直接识别和提取出其中的有效地震信号,从而压制随机噪声以及重建原始地震数据,实验结果验证了该方法的有效性.卷积自编码器方法不需要人工阈值控制,具有更高的处理效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江金生	浙江大学地球科学学院浙江省地学大数据与地球深部资源重点实验室	6	27	4.0	5.0
2	任浩然	浙江大学地球科学学院浙江省地学大数据与地球深部资源重点实验室	10	73	5.0	8.0
3	李瀚野	浙江大学地球科学学院浙江省地学大数据与地球深部资源重点实验室	2	0	0.0	0.0