《表1 残差网络深度学习模型验证数据拾取情况》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度残差网络的初至拾取软件开发》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。