| 地球物理信号特征识别与解释的机器学习方法及应用综述 |
| |
| 作者姓名： | 胡琪鑫 徐亚 |
| |
| 作者单位： | 1. 中国科学院地质与地球物理研究所中国科学院油气资源研究重点实验室;2. 中国科学院地球科学研究院;3. 中国科学院大学 |
| |
| 基金项目： | 国家自然科学基金(42074092)；;中国科学院青年创新促进会(2016064)； |
| |
| 摘 要： | 地球物理信号是地下介质对物理场的响应，其特征是解释地下结构和性质的主要依据.但受限于地下介质构造及物性分布特征的复杂性，地球物理信号特征的识别和解释具有不确定性.机器学习基于数据与特征的映射关系为判别地球物理信号特征和解释提供了新的思路和方法.本文围绕机器学习方法在地球物理信号特征识别及解释应用主题，梳理得到机器学习用于地球物理信号特征识别与解释的一般逻辑思路和工作流程，在提炼机器学习所涉及的处理技术和评价体系的基础上，进一步总结了机器学习在解决岩石图像识别与分类、地层岩性预测与成图、地震事件检测和到时提取、微小地震信号解释等问题时的技术要点；并对深度学习模型和简单的机器学习模型针对不同地球物理信号进行特征识别与解释的适用性和应用实效进行了分析.针对目前的发展趋势和已有研究，对机器学习在地球物理信号特征识别应用方面进行了讨论和展望.
|
| 关 键 词： | 机器学习 地球物理信号 特征识别 岩性识别 地震检测 |
|
