摘要/Abstract
摘要: 地震数据重建是一个不适定的反问题, 通常采用正则化方法求解. 正则化方法需要人工建模, 建模的准确性会影响重建结果, 此类方法还存在计算代价高的问题. 为克服正则化方法存在的问题, 本文使用深度卷积神经网络实现了端到端的地震数据重建.此方法是基于数据驱动的, 直接从数据中学习输入与输出的映射关系, 无需人工建模, 经过训练的网络可直接用于非完整数据的重建工作. 数值实验分别使用模拟数据和实际数据并与传统正则化方法对比验证深度卷积神经网络方法的有效性. 实验结果表明, 深度卷积神经网络方法的计算代价主要在于网络的训练阶段, 数据重建阶段仅需花费极短的时间, 与传统正则化方法相比, 对于缺道50%的地震数据, 深度卷积神经网络方法的重建结果质量更高, 速度更快.
PDF全文下载地址:
http://www.progeophys.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=9714