.png){kind=icon}
返回
A continuous towed seismic data multi-scale stack method
.png){kind=icon}
PRE
AI
DOI：10.1002/nsg.70058.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
城市道路地质灾害的快速准确检测是一项需要及时行动的紧迫任务。当前连续拖曳地震检测方法为沿同一测线重复检测提供了一种有效且经济的方式。然而，用于多次检测数据的传统加权叠加方法面临两个关键挑战。首先，检测数据中低信噪比（SNR）的存在会不利影响最终叠加结果。其次，强能量噪声的存在使得难以识别弱能量反射和绕射波。为解决这些限制，本文提出了一种基于深度信念网络（DBN）的新型多尺度叠加方法，以消除对真实标签的依赖并提高连续拖曳地震叠加剖面的分辨率。我们还通过利用有限数据并分别提取反射和绕射波，重新设计了训练权重矩阵的算法。数值模拟结果表明，所提出的多尺度叠加方法相比加权叠加方法具有显著优势：(1) 有效解决了低SNR对最终叠加结果的影响；(2) 允许提取不同特征的波场，并能够从多个角度分析近地表异常结构；(3) 抑制噪声并提取弱能量反射和绕射波。所提出的多尺度叠加方法有助于解释连续拖曳地震数据，并具有实际工程应用价值。
Keyword:
continuous towed
deep belief network (DBN)
multi-scale stacking
seismic
urban road
期刊
N
IF:
1.6
论文数:
28
被引数:
1.4K