地质学论文_无监督残差网络的地震数据重构方法-地震地磁观测与研究

一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。六、处理流程：（1）通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4）杂志出刊后，我们会按照您提供的地址免费奉寄样刊。七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。

地质学论文_无监督残差网络的地震数据重构方法

作者:

关键词:

摘要：

文章摘要:野外采集的地震数据通常会存在地震道缺失的问题，对其进行重构一直是地震资料处理中的一个难题。目前使用深度学习（Deep Learning，DL）方法进行地震数据重构主要采用完整地震数据作为标签对网络模型进行训练的监督学习方式，然而对实测野外数据很难获得准确的标签。对大量训练样本的依赖影响了深度学习方法在地震数据重构中的应用。为此，本文提出了一种基于残差网络的无监督深度学习的地震数据重构方法。该方法无需使用完整的地震数据作为训练集对残差网络进行训练，而是以随机数据作为残差网络的输入，以含缺失地震道的地震数据作为网络的期望输出。通过对网络预测与期望输出之间的误差的反向传播，迭代地优化网络参数，使网络与期望输出间的误差达到最小，获得参数最优的残差网络，并用该网络重构出缺失的地震数据。在网络参数优化过程中，利用卷积的局部和平移不变性质，用卷积滤波器学习多尺度下地震数据邻域之间的相似特征，并在网络输出中呈现学习到的这些先验特征。使用本方法对Marmousi模型模拟地震资料和实测海洋拖缆资料中规则和不规则缺失的记录道进行重构，并与传统的快速凸集投影软阈值（FPOCS-Soft）方法的结果进行对比表明：无监督残差网络方法可有效的实现缺失地震道的重构，结果准确性高、连续性好；可获得比FPOCS-Soft方法更高的精度。

文章关键词:

论文DOI:10.13810/j.cnki.issn.1000-7210.2022.04.005

论文分类号:P631.44

文章来源：《地震地磁观测与研究》网址: http://www.dzdcgcyyj.cn/qikandaodu/2022/0607/626.html