基于深度学习的井间地震CT初至自动拾取方法
基于深度学习的井间地震CT初至自动拾取方法
复制标题
DOI：
10.16058/j.issn.1005-0930.2022.01.015
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
孙怀凤
中科院分区：
文献类型：
--
作者：
杨洋;王用鑫;李虎;王庆林;范涛;门燕青;刘锐;孙怀凤
井间地震CT方法能够有效探测岩溶等不良地质,而拾取地震波的初至对其反演结果至关重要.以往井间地震CT初至拾取通过手动标定,效率低,无法满足模型训练要求.本文基于人工源地震初至的时距特征,提出了一种基于深度学习的地震初至训练样本库快速标定方法.利用人工合成数据训练初始网络模型,采用少量人工标定实测数据进一步训练,基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取,采用长短时窗比法修正曲线拟合结果,对仍不理想的拾取结果进行人工判别和改正,并将准确标定数据加入训练集,形成新的网络模型;通过迭代实现数据集再生成并获得后续阶段的网络模型.基于上述方法完成了80 000道数据的初至拾取,在充分训练后神经网络具备较高的拾取精度,采用3 840组数据对该模型进行测试,发现预测结果与人工拾取结果对比的绝对误差值小于0.2ms的数据占91.8%,说明该方法是一种切实有效且高效的井间地震CT初至拾取方法.