典型文献
基于深度全卷积神经网络的地震波阻抗预测方法
文献摘要：
波阻抗反演是高分辨率地震资料处理的最终表达形式,线性的地震波阻抗反演方法求解精度依赖于初始地质模型,为高效地求解得到完全非线性的反演结果,地震波阻抗反演迫切需要发展智能化的反演技术.鉴于此,本文在全卷积神经网络(Fully Convolutional Network,FCN)的基础上,提出一种深度全卷积神经网络的地震波阻抗预测方法,以此来实现波阻抗反演.其实现过程是通过深度全卷积神经网络对正演模型和对应的波阻抗标签训练建立非线性的映射关系,得到反演映射模型,进一步通过该反演映射模型预测地震波阻抗.正演数据测试和实际资料应用结果表明,该方法可以实现地震与波阻抗之间的非线性映射,为地震波阻抗反演提供一种智能化的新手段.
文献关键词：
地震波阻抗反演;非线性;全卷积神经网络;反演映射模型
中图分类号：
作者姓名：
王泽峰;孙颖;许辉群;赵桠松
作者机构：
长江大学地球物理与石油资源学院,湖北武汉430100;中国石油渤海钻探油气合作开发分公司,天津300457
文献出处：
引用格式：
[1]王泽峰;孙颖;许辉群;赵桠松-.基于深度全卷积神经网络的地震波阻抗预测方法)[J].工程地球物理学报,2022(03):386-392
A类：
反演映射模型
B类：
全卷积神经网络,高分辨率地震资料,地震资料处理,表达形式,地震波阻抗反演,反演方法,地质模型,演技,Fully,Convolutional,Network,FCN,实现过程,正演模型,映射关系,测地,数据测试,非线性映射,新手
AB值：
0.153854
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。
