-
题名基于空间—波数域联合深度学习的数值频散压制
被引量：1
- 1
-
-
作者
张岩
崔淋淇
宋利伟
董宏丽
-
机构
东北石油大学计算机与信息技术学院
东北石油大学物理与电子工程学院
东北石油大学人工智能能源研究院
黑龙江省网络与智能控制重点实验室
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2022年第3期510-524,I0001,共16页
-
基金
国家自然科学基金区域联合基金项目“基于分布式算法及大数据驱动的微地震信号去噪与反演研究”(U21A2019)
国家自然科学基金面上项目“基于通信协议的非线性时变系统有限域分布式滤波”(61873058)
黑龙江省普通本科高等学校青年创新人才培养计划项目(UNPYSCT-202014)联合资助。
-
文摘
有限差分法是地震勘探领域常用的波场数值模拟方法,当空间网格间距大或使用低阶差分算子时会产生严重数值频散现象,影响模拟精度。为此提出一种基于联合学习深度卷积神经网络的数值频散压制方法,该方法使用卷积神经网络自适应提取波场特征进行频散校正。首先,利用波场数据在空间域和波数域的稀疏特征构建残差学习卷积神经网络,提取波场的主要特征;其次,基于L_(1)范数对网络模型进行稀疏优化,降低模型的复杂度,增加网络的泛化能力;最后,构造联合目标优化函数,使网络在空间—波数域联合约束的语义下学习频散压制的非线性逼近能力。将所提方法应用到不同模型正演的波场数据,结果表明:该方法可有效保护地震信号、压制频散;将网络与迁移学习结合,用于新模型的正演数据,可取得较好效果。与同类算法相比,该方法可以提高粗网格的计算精度、降低计算成本,所得波场快照具有较高的信噪比。
-
关键词
数值频散压制
卷积神经网络
联合学习
稀疏约束
残差网络
-
Keywords
numerical dispersion suppression
convolutional neural network
joint learning
sparse constraint
residual network
-
分类号
P631
[天文地球—地质矿产勘探]
-
