.png){kind=icon}
返回
Enhancing machine learning based seismic inversion with noise-augmented training datasets
.png){kind=icon}
PRE
AI
DOI：10.1093/gji/ggaf429.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
训练了一个18层、U型的卷积神经网络，用于预测Vs模型并识别近地表空腔位置。为提升实际应用中的地震反演精度，该模型在添加了现场噪声的合成数据集上进行训练。虽然基于噪声增强数据训练的模型在合成测试数据集上表现较差，但它们实现了更低的均方根误差值，并在现场数据上取得了最佳结果。基于噪声增强模型的全波形反演得到的速度模型，准确检测到了已知空腔位置附近类似空腔的低速区。该方法表明，使用现场噪声增强数据进行训练可使机器学习模型更好地泛化至真实环境条件，提高其在噪声环境下速度反演的可靠性。结果表明该策略具有巨大潜力，尤其是在训练过程中纳入多样化真实噪声样本的情况下。
Keyword:
Machine learning
Seismic Noise
Waveform inversion
期刊
IF:
2.7
论文数:
1.0K
被引数:
3.5W
机构
引用论文
Time-lapse full waveform inversion based on curvelet transform: Case study of CO2 storage monitoring
PREAI
分享收藏Signal and noise separation in prestack seismic data using velocity-dependent seislet transform.png)
GEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏
查看更多内容