文献检索-宁波市创意产业特色资源库

限定检索结果

基于卷积自编码器的地震数据处理: 收藏
分享
引用; 《浙江大学学报（工学版）》2020年第5期54卷 978-984页; 作者：江金生任浩然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浙江杭州310027; 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...; 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.; 来源：详细信息评论

限定检索结果