共查询到19条相似文献，搜索用时 140 毫秒
1.
地震数据中存在的多次波影响偏移成像,误导地震资料的解释,因此通常视为相干噪声而被去除.为了对多次波进行智能化衰减,本文提出了一种基于数据增广训练的使用深度神经网络的多次波压制方法.设计的深度神经网络包括卷积编码和卷积解码过程,其中卷积编码过程学习全波场数据中的一次波特征,卷积解码过程利用这些特征来重构一次波并压制多次波和随机噪声.在训练阶段,旋转训练集并在输入数据中加入随机噪声构成增广训练数据集来提升神经网络的抗噪稳定性和泛化性,通过迁移学习让深度神经网络具备跨工区压制多次波的能力.简单模型与Sigsbee2B模型三套模拟数据的实例验证了本文方法在一次波重构和多次波压制中的有效性、稳定性和良好泛化性;一套崎岖海底模型地震物理模拟数据的应用实例表明本文方法具有应用于复杂条件下压制地震多次波的能力. 相似文献
2.
本文以西昌台阵观测的8 321次近震数据为例，详细介绍了利用深度卷积神经网络检测地震的数据处理流程，包括数据预处理、模型训练、波形长度、网络层数、学习率和概率阈值等关键参数对检测结果的影响，并将训练得到的最优模型，应用于事件波形和连续波形的检测。研究表明，数据预处理和数据增强可以提升模型的检测精度和抗干扰能力。用于模型训练的波形窗口长度可近似于S-P到时差的最大值。不同网络层数（5—8层）的检测结果差别不大。对于地震检测，学习率设为10?4—10?3较为合适。卷积神经网络检测出的地震数量与选择的概率阈值有关，通过绘制精确率-召回率变化曲线，可以为选择合适的概率阈值提供参考。本文为进一步利用深度学习算法提高地震检测效果提供了参考。 相似文献
3.
地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 相似文献
4.
在多层各向异性介质中,剪切波分裂参数会随着初始偏振方向的变化而变化,根据这一特性可以用来判断深部复杂的各向异性结构。本文在Silver and Savage多层水平各向异性理论基础上,推导了剪切波在多层水平各向异性介质模型中传播时的分裂参数(φ,δt)理论计算公式,并编写了相应的剪切波分裂参数计算程序。通过与SplitLab软件中双层各向异性模型计算结果进行比较,验证了本研究程序的可靠性。此外,我们也合成计算了三层各向异性模型中的剪切波分裂参数,结果发现各向异性层的顺序对剪切波分裂结果影响很大,但变化的周期都为π/2。最后用三层模型拟合了一组实际数据,结果表明三层各向异性也能较好地反映不同深度各向异性层的特征。 相似文献
5.
微地震监测技术是监测水力压裂过程、评价压裂效果的重要手段。对于地面监测,P波极性能够直接、快速地反演震源机制,同时极性校正能够提高绕射叠加定位方法的成像精度。因此,准确而迅速地确定P波极性对地面微地震实时监测具有重要意义。卷积神经网络是一种深度学习算法,具有强大的特征学习与分类能力,可用来确定微地震事件的P波极性。地面监测多采用星型、网格型等规则观测系统,本文使用目标道及其相邻检波器记录作为输入样本,构建基于卷积神经网络的多道P波极性分类网络模型。实际数据应用结果表明,相比于单道记录的网络模型,多道的网络模型能够将目标道与相邻道相结合来预测目标道的极性,提高规则观测系统下地面微地震P波极性分类的准确率。 相似文献
6.
本文以提高地震数据的成像质量为目标,提出一种智能的卷积神经网络降噪框架,从带有噪声的地震数据中自适应地学习地震信号。为了加速网络训练和避免训练时出现梯度消失现象,我们在网络中加入残差学习和批标准化的方法,并采用了ReLU激活函数和Adam优化算法优化网络。此外,Marmousi和F3数据集被用来对网络进行训练和测试,经过充分训练的网络不仅能在学习中保留地震数据特征,而且能去除随机噪声。首先充分地训练网络,从中提取出随机噪声,并保留学习到的地震数据特征,之后通过重建地震数据估算测试集中的波形特征。合成记录和实际数据的处理结果显示了深度卷积神经网络在随机噪声压制任务中的潜力,并通过实验验证表明了深度卷积神经网络框架有很好的去噪效果。 相似文献
7.
有效压制多次波一直是地震勘探中的难点问题.尽管已发展了多种多次波压制方法,但仍存在多次波压制不全、计算耗时长等缺陷,使得应对复杂地质地震数据多次波压制具有挑战性.为了突破现有多次波压制方法的局限性,本文提出了一种基于深层神经网络的多次波压制方法,采用的深层神经网络是一种改进的具有卷积编码器和卷积解码器的U-net网络.不同于常规方法依赖于滤波或波动理论,该方法仅依赖于大量训练数据.训练数据以含多次波的原始地震数据作为输入,不含多次波的地震数据作为输出,通过最小化损失函数来优化神经网络参数.训练成功的网络模型具备较好地分离多次波和一次波的能力,可直接用来快速压制地震数据中的多次波,避免了常规方法涉及的大规模计算.工业界模型数据测试结果表明,本文提出的深层神经网络方法能有效压制复杂地质地震数据中的多次波,同时还具有较高的泛化能力和多次波压制效率. 相似文献
8.
利用ＤＺ９５型多通道瞬态波形记录仪和ＧＣ－１００型工程多波参数分析仪,对山东莱州大理岩进行了剪切波分裂观测研究．通过两组岩样的测量,在带有自然优势定向排列裂缝的岩样在无加载状态下发现剪切波的分裂现象,而带有优势层理走向的完整岩石则在加载到一定程度下才能观测到剪切波的分裂．随着载荷的增加,多数岩样在临近破坏时都记录到剪切波分裂的时间延迟有一个迅速的抬升,但抬升之前的变化过程不同,不同位置的观测结果也大不相同．实验还发现,在一定压力下,即使载荷保持不变或卸载一加载,岩石中剪切波分裂的时间延迟仍然增加,我们称之为“惯性生长”．在实验中,还少量地记录到一些声发射事件,和人工源的效果一样,也可在接收波形中清楚地分辨出剪切波的分裂． 相似文献
9.
基于首都圈地震台网2002——2005年的区域地震波形数据,采用剪切波分裂系统分析方法（SAM）, 计算得到首都圈东南部地区(38.5deg;N——39.85deg;N,115.5deg;E——118.5deg;E)24个台站的剪切波分裂参数. 结果表明,首都圈东南部地区快剪切波平均偏振方向与区域最大主压应力方向相近,与华北地区GPS主压应变测量结果一致;但首都圈东南部盆地地区的剪切波分裂观测结果与首都圈西北部的隆起——盆地构造结合区的观测结果不同. 这说明了不同的构造对观测结果具有一定的影响. 研究还表明,台站附近的断层分布状态对观测结果影响很大,复杂的断层分布会加剧剪切波分裂测量结果的离散程度. 本研究区域南部台站与北部台站的快剪切波偏振方向存在较大差异,这可能与该区南北部的构造及应力环境存在较大差异有关. 相似文献
10.
《地球物理学进展》2020,(4)
地震数据重建是一个不适定的反问题,通常采用正则化方法求解.正则化方法需要人工建模,建模的准确性会影响重建结果,此类方法还存在计算代价高的问题.为克服正则化方法存在的问题,本文使用深度卷积神经网络实现了端到端的地震数据重建.此方法是基于数据驱动的,直接从数据中学习输入与输出的映射关系,无需人工建模,经过训练的网络可直接用于非完整数据的重建工作.数值实验分别使用模拟数据和实际数据并与传统正则化方法对比验证深度卷积神经网络方法的有效性.实验结果表明,深度卷积神经网络方法的计算代价主要在于网络的训练阶段,数据重建阶段仅需花费极短的时间,与传统正则化方法相比,对于缺道50%的地震数据,深度卷积神经网络方法的重建结果质量更高,速度更快. 相似文献
11.
Timo Lähivaara Alireza Malehmir Antti Pasanen Leo Kärkkäinen Janne M.J. Huttunen Jan S. Hesthaven 《Geophysical Prospecting》2019,67(8):2115-2126
Convolutional neural networks can provide a potential framework to characterize groundwater storage from seismic data. Estimation of key components, such as the amount of groundwater stored in an aquifer and delineate water table level, from active-source seismic data are performed in this study. The data to train, validate and test the neural networks are obtained by solving wave propagation in a coupled poroviscoelastic–elastic media. A discontinuous Galerkin method is applied to model wave propagation, whereas a deep convolutional neural network is used for the parameter estimation problem. In the numerical experiment, the primary unknowns estimated are the amount of stored groundwater and water table level, while the remaining parameters, assumed to be of less of interest, are marginalized in the convolutional neural network-based solution. Results, obtained through synthetic data, illustrate the potential of deep learning methods to extract additional aquifer information from seismic data, which otherwise would be impossible based on a set of reflection seismic sections or velocity tomograms. 相似文献
12.
ＡｐｐｌｉｃａｔｉｏｎｒｅｓｅａｒｃｈｏｆｓｅｉｓｍｉｃｍｅｔｈｏｄｉｎａｓｅｓｍｅｎｔｏｆａｃｔｉｖｅｆａｕｌｔＭＩＮＧＣＡＩＸＵ（徐明才）ＪＩＮＧＨＵＡＧＡＯ（高景华）ＭＩＮＧＴＡＯＣＨＡＩ（柴铭涛）ＧＵＡＮＧＫＥＷＡＮＧ（王广科）ＪＩ... 相似文献
13.
Based on the propagation characteristics of shear wave in the anisotropic layers,thecorrelation among several splitting shear-wave identification methods hasbeen studied.Thispaper puts forward the method estimating splitting shear-wave phases and its reliability byusing of the assumption that variance of noise and useful signal data obey normaldistribution.To check the validity of new method,the identification results and errorestimation corresponding to 95% confidence level by analyzing simulation signals have beengiven. 相似文献
14.
2006年03月31日20时23分,松原市乾安县与前郭县交界处的查干花乡附近（44°36′N,124°03′E）发生5．0级地震,是吉林省近40年来最大一次地震。利用流动台记录到的地震波形资料对乾安地震余震序列进行s波分裂研究。结果表明,S波快波偏振方向的优势取向为NNE,与乾安地震主震的最大主压应力方向偏差较大,与该区区域应力场方向不一致,表明这次地震与区域的构造变化和应力场调整有关。s波分裂时间延时大小受多种因素影响,与S波传播时经过的介质性质关系密切,慢波延迟时间在0．02～0．38S之间变化。 相似文献
15.
The collision of the Indian and Eurasian plates, to the east of the eastern Himalayan syntaxes, forms the Sanjiang lateral collision zone in the southeast margin of the Tibetan Plateau, where there are intense crustal deformation, active faults, earthquakes, as well as a metallogenic belt. Given the lack of adequate seismic data, shear-wave splitting in this area has not been studied. With seismic data from a temporary seismic linear array, as well as permanent seismic stations, this paper adopts the identification on microseismic event to pick more events and obtains shear-wave splitting parameters from local earthquakes. From the west to the east, the study area can be divided into three subzones. The “fast” polarization (i.e. the polarization of the fast shear wave) varies gradually from NNW to NS to NNE in these three subzones. The time delay of the slow shear wave (i.e. the time difference between the two split shear waves) also increases in the same direction, indicating the presence of seismic anisotropy above 25 km in the crust. Both shear-wave splitting parameters are closely related to stress, faults and tectonics. The scatter and the “dual” (i.e. two) dominant orientations of the fast polarizations at several stations indicate strong distortions caused by nearby faults or deep tectonics. The anisotropic parameters are found to be related to some degree to the metallogenic belt. It is worth to further analyse the link between the anisotropic pattern and the metallogenic area, which suggests that shear-wave splitting could be applied to study metallogeny. This paper demonstrates that the identification on microseismic event is a useful tool in detecting shear-wave splitting details and exploring its tectonic implications. 相似文献
16.
为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震。结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息。 相似文献
17.
The most diagnostic effect of anisotropy on shear waves is shear-wave splitting. This phenomenon creates a distinctive signature in the 3D particle motion. Methods to extract the effects of anisotropy from shear-wave data attempt to measure details of this motion. Many techniques have been published recently which process the shear waves in the time or frequency domain. Here we examine the way in which information on the interference effects between the split shear waves is contained within the frequency domain, and suggest some criteria which may be used in future processing algorithms. The time-delay between the split shear waves, and the polarization direction of the leading shear wave can be converted into easily measured features from analysis of the Fourier spectrum of the shear-wave signal on each component of motion. These features arise in the spectral interference patterns which are formed by the interaction between the two closely-spaced and similar waveforms. The interference patterns are interpreted for synthetic and observed seismogram data. 相似文献
18.
传统的U-Net卷积神经网络大多存在深层网络梯度消失的问题。本文在U-Net卷积神经网络中加入残差模块,提出了一种改进U-Net卷积神经网络。残差模块保证了U-Net卷积神经网络在误差反向传播过程中梯度的存在,在一定程度上可以缓解梯度消失的问题。最后将改进U-Net卷积神经网络应用于实际储层预测中,实际数据测试结果表明基于改进U-Net卷积神经网络在岩性识别以及“甜点”预测上均能取得较好的效果。 相似文献