|
|||||
|
|
| 基于深度卷积神经网络的稀疏反褶积方法 | |
| 摘 要： | 本文提出一个由数据驱动的深度卷积神经网络(DCNN)模型用于求解地震反射信号的稀疏反褶积问题。反褶积是一个不适定的反问题,正则化迭代方法是求解此类问题的主要方法,但是正则化迭代方法存在正则化参数选取困难,反演结果不精确等问题。为此,本文提出DCNN方法求解地震反射信号的稀疏反褶积问题,经过训练的DCNN模型无需再次设置参数即可用于求解稀疏反褶积问题,计算速度快,结果精度高。所提DCNN模型还采用多分辨率分解和残差学习等技术以提高网络的表达能力。最后通过数值实验,并与迭代收缩阈值算法(ISTA)算法对比,使用模拟地震数据和实际地震数据验证了DCNN方法求解稀疏反褶积问题的有效性。 |
| 本文献已被 CNKI 等数据库收录！ | |