《表1 残差网络深度学习模型验证数据拾取情况》
首先采用超过10个地区的不同震源类型(炸药震源、可控震源)、不同地表条件(平原、沙漠、山地、丘陵、戈壁等)的地震数据(近2亿道)及对应的初至标签文件进行神经网络模型的训练,不断提高网络模型对地震初至的识别能力,最终得到一个精度较高的地震初至自动拾取网络模型。为了验证基于深度残差网络(ResNet152)的地震初至自动拾取模型应用效果,选取了8个不同地区、不同震源、多种地表条件的地震数据不进行网络模型训练,直接应用已有的神经网络模型进行初至自动拾取。验证数据的详细信息及拾取效率见表1,基于深度残差网络(ResNet152)自动拾取的效率大约为每秒钟1000道左右,较传统方法效率提升显著。验证数据的初至拾取精度也比较高,通过监控图件整体剔除拾取异常值,基本无需手工修改。拾取效果见图4。
图表编号 | XD00111713900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 王君、帅威、龚莉、恽春华、李雪 |
绘制单位 | 中国石油东方地球物理公司研究院资料处理中心 |
更多格式 | 高清、无水印(增值服务) |