基于神经网络的随机地震反演方法

针对随机地震反演中存在的两个主要问题,随机实现含有噪声和难以从大量随机实现中挖掘有效信息,提出了一种基于神经网络的随机地震反演方法.通过对多组随机实现及其正演地震数据的计算,构建了基于序贯高斯模拟的训练集.这也为应用神经网络求解地球物理反问题,提供了一种有效建立训练集的方法.较之传统的神经网络反演,这种训练集不仅保证了学习样本具有多样性,同时还引入了空间相关性.数值模拟结果表明,该方法只需要通过单层前馈神经网络,就可以比较有效的解决一个500个阻抗参数的反演问题.     

神经网络及地震数据反演

神经网络可以看成是空间映映的应用，即输入空间到输出空间的映射。为了模拟设想的映射关系，网络必须通过反复改变内部参数的学习过程，通过很多输入模型和与它们相应的输出模型的展示过程来实现。如果在训练组中所有样本的期望输出和计算输出之间的误差达到最小，也就完成了训练过程，这时，网络就可以模拟训练样本的限制范围内合余需要的映射关系。这里，我们描述一个实验，其中，神经网络的设计以接受人工爆破选排（即从单个源得     

三维地震神经网络反演在探明煤层富水灾害层的应用

在常规测井约束反演的的基础上,开展神经网络特征参数反演,将波阻抗等地震属性转化为与含水性更为密切的孔隙度、视电阻率数据体,使地震反演的地质属性与测井上的地质属性达到最优的相关性,从而实现应用三维地震对煤层顶板富水进行评价的目的。由于煤层顶板富水区的特殊性质,它同样也是地震后的易破坏层,因而对它的探明从抗震角度以及震害预测角度都是有价值的。以淮北某采区为例,通过孔隙度及电阻率的神经网络反演对研究区10#煤层顶板的富水性进行预测。反演结果表明采区北部发育一个强富水陷落柱,与钻孔揭示结果吻合。采区西部10#煤层顶板与第四系含水层呈不整合接触关系,神经网络反演结果预测为强富水区,同样与井下工程揭示富水特征吻合。利用多属性融合的神经网络反演可有效预测煤层顶板的富水特征,为煤矿安全生产以及抗震提供重要保障。     

基于BP神经网络的波阻抗反演及应用

人工神经网络是近期发展最快的人工智能领域研究成果之一.本文在介绍BP神经网络的有关原理的基础上,提出一种基于BP神经网络模型的波阻抗反演方法,该方法克服了常规基于模型的波阻抗反演方法严重依赖于初始模型的选择和易陷入局部最优等局限性.利用该方法对实际地震剖面进行了波阻抗参数反演处理,结果表明人工神经网络方法在波阻抗反演中的应用是可行的并且是有效的.     

地震层析成像反演中3种广义解的误差分析与评价

在地震波速度和地震波　值层析成像中,对于非线性反演问题解的可靠性研究非常重要．为了讨论ＡＲＴ（ＡｌｇｅｂｒａｉｃＲｅｃｏｎｓｔｒｕｃｔｉｏｎ　Ｔｅｃｈｎｉｑｕｅ）、ＳＶＤ（Ｓｉｎｇｕｌａｒ　ＶａｌｕｅＤｅｃｏｍｐｏｓｉｔｉｏｎ）、ＬＳＱＷ（ＬｅａｓｔＳｕａｒｅ）３种方法的算法稳定性以及反演效果,本研究将这３种算法用于求解非常病态问题和一般稳定问题,根据数值计算结果,分别给出了在非常病态问题和一般稳定问题中３种算法的相对误差及其算法稳定性评价．进而针对３种算法在同一地质模型上的速度成像结果进行了比较,为地震层析成像反演效果分析提供了定量参数．     

快速模拟退火地震反演

讨论了用模拟退火方法进行地震资料的参数反演，利用快速的降温方式实现模拟退火反演，从而形成了快速模拟退火算法。模拟退火反演的优点是可以突破反演过程中局部最优的限制，获得全局最优解。因此，ＳＡ方法适于解决地震反演中的非凸性目标函数的最优化问题。     

地震层析成像反演中3种广义解的误差分析与评价

在地震波速度和地震波　值层析成像中,对于非线性反演问题解的可靠性研究非常重要．为了讨论ＡＲＴ（ＡｌｇｅｂｒａｉｃＲｅｃｏｎｓｔｒｕｃｔｉｏｎ　Ｔｅｃｈｎｉｑｕｅ）、ＳＶＤ（Ｓｉｎｇｕｌａｒ　ＶａｌｕｅＤｅｃｏｍｐｏｓｉｔｉｏｎ）、ＬＳＱＷ（ＬｅａｓｔＳｕａｒｅ）３种方法的算法稳定性以及反演效果,本研究将这３种算法用于求解非常病态问题和一般稳定问题,根据数值计算结果,分别给出了在非常病态问题和一般稳定问题中３种算法的相对误差及其算法稳定性评价．进而针对３种算法在同一地质模型上的速度成像结果进行了比较,为地震层析成像反演效果分析提供了定量参数．     

地震层析成像反演中3种广义解的误差分析与评价

在地震波速度和地震波　值层析成像中,对于非线性反演问题解的可靠性研究非常重要．为了讨论ＡＲＴ（ＡｌｇｅｂｒａｉｃＲｅｃｏｎｓｔｒｕｃｔｉｏｎ　Ｔｅｃｈｎｉｑｕｅ）、ＳＶＤ（Ｓｉｎｇｕｌａｒ　ＶａｌｕｅＤｅｃｏｍｐｏｓｉｔｉｏｎ）、ＬＳＱＷ（ＬｅａｓｔＳｕａｒｅ）３种方法的算法稳定性以及反演效果,本研究将这３种算法用于求解非常病态问题和一般稳定问题,根据数值计算结果,分别给出了在非常病态问题和一般稳定问题中３种算法的相对误差及其算法稳定性评价．进而针对３种算法在同一地质模型上的速度成像结果进行了比较,为地震层析成像反演效果分析提供了定量参数．     

概率神经网络技术在煤田地震反演中的应用研究

实现从构造勘探向岩性勘探阶段的转变,是煤田地震勘探亟待解决的重要问题。其中,地震反演技术是岩性勘探的一种重要手段。为了规避常规反演方法的固有限制,利用概率神经网络技术预测井数据和地震数据之间的非线性关系,得到密度数据体和速度数据体,并获得相应的波阻抗数据体。对某矿区的实际地震资料采用该技术进行岩性反演,得到了较为准确的波阻抗数据体,为岩性解释提供了不可或缺的资料。     

地震全波形反演方法研究综述

近年来,随着计算机硬件水平的提高,地震全波形反演技术研究快速发展,并有效的推进了油气勘探.本综述主要对当前地震全波形反演主要存在反演非唯一性、噪声敏感性、初始模型强依赖、易陷入局部极值、计算量大等问题进行调研,重点介绍了地震全波形反演方法在时间域,频率域和Laplace域内的各种改进和优化的策略,为全波形反演方法研究提供参考.     

利用人工神经网络理论对地震信号及地震震相进行识别

根据人工神经网络理论,初步研究了工人工神经网络地震信号及震相进行识别的能力。为了进行识别,将三分向地震资料的矢量模作为神经网络的输入。     

重磁异常反演的拟BP神经网络方法及其应用

把神经网络与重磁异常反演理论相结合,提出了用于重磁反演的一种拟BP神经网络方法．基于3层神经网络结构,把隐含层神经元设定为三维空间物性（磁化强度或密度）单元．对实测与理论重磁异常经S型函数变换,采用自动修改物性单元物性值的拟BP算法,反演三维空间的物性分布．利用该网络对理论模型数据和内蒙古某花岗岩体上的航磁资料进行了反演计算,取得了满意的反演效果．     

重磁异常反演的拟BP神经网络方法及其应用

把神经网络与重磁异常反演理论相结合,提出了用于重磁反演的一种拟BP神经网络方法．基于3层神经网络结构,把隐含层神经元设定为三维空间物性（磁化强度或密度）单元．对实测与理论重磁异常经S型函数变换,采用自动修改物性单元物性值的拟BP算法,反演三维空间的物性分布．利用该网络对理论模型数据和内蒙古某花岗岩体上的航磁资料进行了反演计算,取得了满意的反演效果．     

用平面波延拓方程进行地震数据的叠前速度反演

本文讨论地震勘探数据的叠前速度反演方法及其在海洋地震勘探数据上的反演试验.反演主要的计算步骤是:1.采用Fourier-Hankel变换把球面波分解为平面谐波;2.用平面谐波的延拓方程将上行波与下行波同时向下延拓,并计算每一层底部的反射系数和下一层的波阻抗;3.用最小二乘法从波阻抗中确定该层的声波速度.重复第2步与第3步,直到某一预定深度时结束.通过反演试验,对地震振幅比例的改变,子波变形,以及第1层速度和密度的误差对反演方法的稳定性及其精度的影响进行了分析.还通过实际海洋地震勘探数据的反演试验,对这一方法在地震勘探中的应用前景作了论述.     

用平面波延拓方程进行地震数据的叠前速度反演

本文讨论地震勘探数据的叠前速度反演方法及其在海洋地震勘探数据上的反演试验.反演主要的计算步骤是:1.采用Fourier-Hankel变换把球面波分解为平面谐波;2.用平面谐波的延拓方程将上行波与下行波同时向下延拓,并计算每一层底部的反射系数和下一层的波阻抗;3.用最小二乘法从波阻抗中确定该层的声波速度.重复第2步与第3步,直到某一预定深度时结束.通过反演试验,对地震振幅比例的改变,子波变形,以及第1层速度和密度的误差对反演方法的稳定性及其精度的影响进行了分析.还通过实际海洋地震勘探数据的反演试验,对这一方法在地震勘探中的应用前景作了论述.     

基于人工神经网络的地震活动性研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行地震活动性研究是可行的。针对地震活动性问题,初步建立了基于人工神经网络的计算分析系统,给出了应用实例。     

用人工神经网络实现地震记录中的废道自动切除

切除废道（即道编辑）的工作是地震信号处理中重要而又工作量巨大的一步.本文提出了一种用人工神经网络实现的自动切除方法,所用的神经网络模型为新奇滤波器模型,方法简单实用,切除效果令人满意.文中介绍了方法的原理并给出了几个实验结果.     

地震反问题研究评述

本文分析了地球物理反演问题在古典提法下存在的固有缺陷,继而讨论波动方程反问题的研究进展,然后讨论地震层析成象和偏移问题,最后对当前研究中存在的问题及发展方向作一评述.     

基于BP人工神经网络的潜在震灾预测系统

结合人工神经网络自身的特性和地震灾害预测研究的特点,应用BP人工神经网络模型,建立了潜在地震灾害预测系统。利用大样本数据对网络进行了训练,形成了有识别和记忆功能的非线性预测系统。通过对网络的测试和检验,论证了该系统在预测潜在地震灾害上的可行性和有效性。同时,从测试精度出发,探讨了这种预测网络存在的不足,并给出了相应的改进建议。虽然提出的神经网络模型预测精度还有待提高,但其量化指标仍可为地震灾区政府抗震减灾工作提供参考。     

用人工神经网络实现地震记录中的废道自动切除

切除废道（即道编辑）的工作是地震信号处理中重要而又工作量巨大的一步.本文提出了一种用人工神经网络实现的自动切除方法,所用的神经网络模型为新奇滤波器模型,方法简单实用,切除效果令人满意.文中介绍了方法的原理并给出了几个实验结果.