0931-4967592
注册
登录
中文
EN
Toggle navigation
首页
综合新闻
数据资源
专题数据
期刊数据
模型资源
全球灾害
应急响应
数据汇交
数据汇交文档
汇交数据资源
基地资源
科普
平台介绍
首页
汇交资源
详情
基于半监督学习叠前AVO弹性参数反演计算程序
发布时间:
2024-01-18
元数据
名 称
基于半监督学习叠前AVO弹性参数反演计算程序
科技资源标识
CSTR:11738.19.NCDC.XDA14.SF6255.2024
数据共享方式
开放下载
摘 要
VO反演是由叠前地震数据获取地下介质弹性参数的重要手段,但其在稳定性、适用性及计算量方面仍存在很多问题。深度学习具有强大的非线性映射能力,将其应用于叠前AVO弹性参数反演具有较大潜力。由于深度学习需要大量的标签数据,测井提供了对地下介质参数的直接测量,是利用深度学习进行弹性参数反演的主要标签数据来源,但工区内的井位较少,如何利用有限的井资料,结合地震勘探大数据及深度学习的优势,开展叠前AVO弹性参数反演,不仅具有理论研究意义,而且具有重要的应用价值。
基于半监督学习的叠前AVO弹性参数反演,将井位置处的标签数据和非井旁道的无标签数据共同参与网络训练,地震角道集数据作为网络的输入,纵波速度、横波速度和密度作为网络输出的目标变量。在井旁道,使得网络输出的弹性参数值逼近测井解释的弹性参数。而在非井旁道,由网络输出的弹性参数利用精确Zoeppritz方程正演模型计算合成角道集,并使其逼近实测角道集数据。
该技术有效解决了测井数据少导致的训练样本不足问题,并通过初始模型约束进一步提高了反演精度和反演结果的横向连续性,为目标区高效、高精度弹性参数反演提供了重要支撑。
学科分类
170.50
关键词
监督学习
AVO弹性参
作者
耿建华
数据量
353.7 MiB
发布版本
1.0
开发工具:
python
硬件环境要求:
不低于CPU:Intel(R)i5-3210M@2.50GHz 内存:8GB 以上硬盘:51GB 以上
系统环境要求:
Windows 2003 以上版本
引用和标注
数据引用
选择引用格式
GBT7714
中
Endnote
中
Bibtex
中
RIS
中
耿建华. 基于半监督学习叠前AVO弹性参数反演计算程序. 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2024. https://cstr.cn/CSTR:11738.19.NCDC.XDA14.SF6255.2024.
许可协议
本作品采用
知识共享署名 4.0 国际许可协议
进行许可。
扫码后在手机端浏览
项目信息
详情
项目名称:
深层油气形成与分布预测
项目编号:
XDA14010000
项目类别:
中国科学院战略性先导科技专项(A类)
未登录
请
登录
,再进行操作。
×