地震資料去噪是地震數(shù)據(jù)處理流程中非常關鍵的一步。因為在后續(xù)的資料處理和分析中,都需要地震資料具有高信噪比,但野外地震資料的信噪比受許多因素的影響并不能很好地滿足后續(xù)操作的要求,因此我們需要對其進行去噪處理。針對如何獲得更好的去噪效果這個問題,大量的地球物理工作者通過多角度的研究分析,不斷改進算法,取得了很多具有實用價值的成果。近年來,深度學習技術在國內外飛速發(fā)展,在各個領域得到了很好的應用,其中卷積神經(jīng)網(wǎng)絡由于其強大的特征學習與分類能力,被很多科研人員應用并獲得了重要的研究結果。本文作者經(jīng)文獻調研發(fā)現(xiàn):雖然神經(jīng)網(wǎng)絡已經(jīng)成功應用于很多領域,但是其與地震資料處理結合的應用目前還相對較少。因此,本文深入探究了卷積神經(jīng)網(wǎng)絡的發(fā)展歷程和基本原理,以及地球物理去噪方法目前的研究現(xiàn)狀,在此基礎上提出了一種基于卷積神經(jīng)網(wǎng)絡的地震資料智能化去噪方法,利用深度學習框架caffe對模型進行訓練。將訓練得到的模型用于地震道集的去噪。實驗結果表明:利用卷積神經(jīng)網(wǎng)絡對地震資料去噪是可行的。然后討論了網(wǎng)絡模型三個重要參數(shù):卷積核個數(shù)、卷積核尺寸大小以及網(wǎng)絡層數(shù)對去噪效果的影響,確定用于地震資料去噪的網(wǎng)絡結構參數(shù)。最... 

【文章來源】：中國石油大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

神經(jīng)元計算模型（來源于維基百科）

中國石油大學（北京）碩士學位論文 Sigmoid 函數(shù)，Tanh 函數(shù)，ReL： x11 e x 2 所示，它的作用是將輸入數(shù)值壓實踐中使用，原因是因為當函數(shù)平坦導致梯度接近于 0，梯度接

圖 2.2 Sigmoid 激活函數(shù)Fig. 2.2 Sigmoid activation functiontanh x 2 2 x 13 所示。輸入實數(shù)值經(jīng)過 Tanh 函Sigmoid 函數(shù)經(jīng)平移放大后得來

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的中國水墨畫風格提取[J]. 王晨琛,王業(yè)琳,葛中芹,儲開岳,蔡晶,金建華,陳穎,葛云.  圖學學報. 2017(05)
[2]基于深度學習神經(jīng)網(wǎng)絡的車牌字符識別技術的研究[J]. 王晶.  工業(yè)控制計算機. 2017(03)
[3]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[4]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[5]基于POWER8的動態(tài)自適應池化算法[J]. 景維鵬,張興革.  計算機工程. 2016(05)
[6]基于多重卷積神經(jīng)網(wǎng)絡的大模式聯(lián)機手寫文字識別[J]. 葛明濤,王小麗,潘立武.  現(xiàn)代電子技術. 2014(20)
[7]基于深度學習網(wǎng)絡的射線圖像缺陷識別方法[J]. 余永維,殷國富,殷鷹,杜柳青.  儀器儀表學報. 2014(09)
[8]基于卷積神經(jīng)網(wǎng)絡的植物葉片分類[J]. 龔丁禧,曹長榮.  計算機與現(xiàn)代化. 2014(04)
[9]基于深度網(wǎng)絡的圖像處理的研究[J]. 朱明,武妍.  電子技術與軟件工程. 2014(05)
[10]局部相關加權中值濾波技術及其在疊后隨機噪聲衰減中的應用[J]. 劉洋,王典,劉財,馮晅.  地球物理學報. 2011(02)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡的醫(yī)學圖像癌變識別研究[D]. 薛迪秀.中國科學技術大學 2017
[2]基于深度學習的暴力檢測及人臉識別方法研究[D]. 丁春輝.中國科學技術大學 2017

碩士論文
[1]卷積神經(jīng)網(wǎng)絡在糖網(wǎng)病眼底圖像分類中的應用研究[D]. 熊彪.深圳大學 2017
[2]卷積神經(jīng)網(wǎng)絡在遙感目標識別中的應用研究[D]. 殷文斌.中國科學院大學(中國科學院遙感與數(shù)字地球研究所) 2017
[3]基于多攝像頭的人臉識別系統(tǒng)設計與實現(xiàn)[D]. 劉翠.東北師范大學 2017
[4]卷積神經(jīng)網(wǎng)絡在醫(yī)學圖像處理中的應用研究[D]. 黃中勇.湖北工業(yè)大學 2017
[5]滑塊游戲驗證碼和基于小樣本的驗證碼識別研究[D]. 王澤穎.湘潭大學 2016
[6]無源毫米波成像系統(tǒng)顯控終端設計與超分辨算法研究[D]. 付彥龍.電子科技大學 2016
[7]基于稀疏表示理論的地震數(shù)據(jù)去噪方法研究[D]. 張洋.合肥工業(yè)大學 2016
[8]基于深度學習的林火圖像識別算法及實現(xiàn)[D]. 傅天駒.北京林業(yè)大學 2016
[9]基本卷積神經(jīng)網(wǎng)絡的圖像去噪算法研究[D]. 任靜.西安電子科技大學 2015
[10]基于CNN的字符識別方法研究[D]. 王強.天津師范大學 2014



本文編號：2937483