基于深度学习的地震速度谱自动拾取研究 |
| |
引用本文: | 崔家豪,杨平,王洪强,边策,胡扬,潘海侠.基于深度学习的地震速度谱自动拾取研究[J].地球物理学报,2022(12):4832-4845. |
| |
作者姓名: | 崔家豪 杨平 王洪强 边策 胡扬 潘海侠 |
| |
作者单位: | 1. 北京航空航天大学软件学院;2. 中国石油天然气集团东方地球物理勘探有限责任公司 |
| |
摘 要: | 在常规的地震数据处理工作流程中,人工拾取地震速度谱中的叠加速度存在耗时长、效率低的问题,且容易受到人为经验的影响.本文基于目标检测的方法,应用改进后的FCOS(Fully Convolutional One-Stage Object Detection)神经网络模型实现速度谱中叠加速度的自动拾取.该方法将速度谱图像作为输入,经模型训练后输出“时间-速度”对序列.在处理低信噪比工区数据时,针对速度谱能量团聚焦特征较差的特点加入基于深度神经网络(Deep Neural Network, DNN)的线性回归模型以拟合出全局速度曲线.Marmousi模型数据和实际工区数据测试结果表明,本文所设计的地震速度谱自动拾取模型准确性较高、鲁棒性强,有效地缓解了人工拾取的负担,在保证速度拾取精度的同时显著地提高了效率.
|
关 键 词: | 速度谱 自动拾取 深度学习 FCOS DNN |
|
|