典型文献
应用图像语义分割网络的微地震事件识别和初至拾取方法
文献摘要：
微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题.近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较低,且忽视了微地震数据中相邻道初至之间的关联性.针对上述问题,将微地震初至发生前、后看作是图像二分类问题,提出了 一种应用图像语义分割网络的微地震事件识别和初至自动拾取方法.应用在矿井中采集的实际微地震数据进行实验,结果表明,对包含岩石破裂、工程爆破等多类型微地震事件,该方法的识别准确率较现有的深度学习方法明显提高,平均拾取误差大幅降低,特别是低信噪比数据的平均拾取误差远小于LSTM法,因而具有良好的实际工程应用价值.
文献关键词：
微地震监测;微地震初至;拾取;图像语义分割;长短期记忆网络模型(LSTM)
中图分类号：
作者姓名：
邓飞;蒋沛凡;蒋先艺;帅鹏飞;唐云
作者机构：
成都理工大学计算机与网络安全学院,四川成都610059;东方地球物理公司采集技术中心,河北涿州072750
文献出处：
引用格式：
[1]邓飞;蒋沛凡;蒋先艺;帅鹏飞;唐云-.应用图像语义分割网络的微地震事件识别和初至拾取方法)[J].石油地球物理勘探,2022(05):1011-1019
A类：
微地震初至
B类：
图像语义分割,语义分割网络,微地震事件,事件识别,初至拾取,微地震监测,长短期记忆网络模型,低信噪比,地震数据,生前,二分类问题,自动拾取,矿井,岩石破裂,工程爆破,多类型,识别准确率,深度学习方法,比数,差远,实际工程应用
AB值：
0.205826
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
