首页> 中文期刊> 《工程地球物理学报》 >基于数据增广的CNN用于地震数据重建

基于数据增广的CNN用于地震数据重建

         

摘要

由于环境和经济约束,实际采集的地震资料往往呈现不规则分布,影响了后续地震数据的处理和解释.基于卷积神经网络(Convolutional Neural Network,CNN)的地震数据重建方法近年来引起广泛关注.该方法无需任何先验假设,从海量训练数据集中自动学习缺失数据到完整数据的映射,取得了良好的重建效果.然而,网络的训练依赖于训练数据.当训练数据集信息不够丰富时,网络泛化性不足,从而影响重建效果.为此,本文提出了一种基于数据增广的CNN地震数据重建方法.网络框架使用经典的Unet网络和Resnet网络.数据增广策略为:从合成数据随机截取的数据块构成训练数据集,通过对地震数据的空间方向多尺度采样、翻转、加噪等数据增广策略,增加样本的特征丰富度.最后,利用增广的数据集训练CNN网络实现重建.合成和实际资料的测试结果表明,所提出的数据增广策略可以有效地提高网络的泛化性.与无数据增广情况下的重建结果相比,信噪比更高.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号