卷积神经网络识别地震相方法研究

发布时间：2021-06-22 12:11

　　目前,地震相结构的划分和识别主要依靠人工,使分辨地震波的几何形态和反射特征过程中受主观因素影响过多,准确性普遍不高。所以论文尝试实现一个自动化的地震相识别方法,以避免主观识别的影响,提高识别准确率。论文的主要工作内容包括:第一部分,建立拥有数个地震相结构的数据集,在该数据集的基础上,对比了卷积神经网络和深度置信网络在地震相结构识别方面的准确性。第二部分,通过调整卷积神经网络的结构、参数与方法,得到一个分类精度较高的卷积神经网络模型。第三部分,基于该卷积神经网络模型,在地震剖面图像上,采用遍历和区域标记方法,对地震相结构进行识别和定位。论文利用建立的地震相结构数据集,最终形成了一套基于卷积神经网络技术的地震相结构定位识别方法,并通过实验说明该方法是有效且稳定的。 

【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

大脑工作过程

网络（CNN），是多层感知器的一个推广变种，是一种深物视觉感受过程建立的数学模型。在卷积神经网络中，仿 和 C 两类细胞以及视觉皮层局部敏感性，提出的采样层、念。这些概念组合在一起，对现在成熟的卷积神经网络模[18]。神经网络相似，卷积神经网络工作之前需要训练所有参数。的训练过程，主要包括自主学习与监督学习的两个部分，模型。卷积神经网络训练需要训练数据集，其包括数据集首先进行自下上升非监督学习，只针对数据集，分层训练向下传输，对调整已有的网络参数。也就是参照标签集，至最优。总体来说和神经网络的反向传导算法类似，但在到的卷积神经网络模型，能够把与训练集同种的数据归类

图 2.2 神经元模型Fig. 2.2 Model of Neuron端的数据为123x , x,x是训练样本，其中+1 是()()()31, iiiTwbh xfwxfwxb。f 为激活函数，本文卷积神经网络所用函由个神经元通过输入输出相互连接，组成有。单的例子说明神经网络结构。如图 2.3 为一

【参考文献】：
期刊论文
[1]神经网络算法在地震相识别中的应用[J]. 祝永英.  中国石油大学胜利学院学报. 2015(04)
[2]卷积神经网络分类模型在模式识别中的新进展[J]. 胡正平,陈俊岭,王蒙,赵淑欢.  燕山大学学报. 2015(04)
[3]时空域深度卷积神经网络及其在行为识别上的应用[J]. 刘琮,许维胜,吴启迪.  计算机科学. 2015(07)
[4]基于卷积神经网络的图像识别算法设计与实现[J]. 王振,高茂庭.  现代计算机(专业版). 2015(20)
[5]数字地震学中地震相识别方法的研究[J]. 刘立波.  中小企业管理与科技(中旬刊). 2014(12)
[6]一种简洁高效的加速卷积神经网络的方法[J]. 刘进锋.  科学技术与工程. 2014(33)
[7]一种基于卷积神经网络的性别识别方法[J]. 蔡诗威,郭太良,姚剑敏.  电视技术. 2014(19)
[8]基于贝叶斯网络的地震相分类[J]. 顾元,朱培民,荣辉,曾凡平,海洋.  地球科学(中国地质大学学报). 2013(05)
[9]利用地震相识别优质烃源岩——以辽中凹陷沙三段为例[J]. 吴玉坤,胡明毅,柯岭,梁建设,沈娇.  沉积学报. 2013(02)
[10]基于卷积神经网络的木材缺陷识别[J]. 徐姗姗,刘应安,徐昇.  山东大学学报(工学版). 2013(02)

博士论文
[1]鄂尔多斯盆地西缘逆冲推覆构造特征及演化[D]. 李天斌.中国地质大学（北京） 2006

硕士论文
[1]卷积神经网络研究及其在基音检测中的应用[D]. 黄志强.内蒙古大学 2015
[2]基于卷积神经网络的目标跟踪算法研究与实现[D]. 张子夫.吉林大学 2015
[3]基于卷积神经网络的人脸检测和性别识别研究[D]. 汪济民.南京理工大学 2015
[4]基于卷积神经网络的交通标识识别研究与应用[D]. 杨心.大连理工大学 2014



本文编号：3242810