科研之友
微信
新浪微博
Facebook
分享链接
摘要
断层识别是油气勘探中至关重要的工作内容，针对目前断层识别效果不好的问题，基于VGGNet神经网络算法实现了断层的自动识别。对原始的VGGNet网络进行了改进，使其适用于本次的断层识别研究。通过添加缩放系数对学习率进行了优化，使得网络识别准确率有了提高。在此基础上为了解决断层自动识别神经网络算法中训练数据过少、而网络识别效果对标签数据要求较高的问题，文章尝试使用了Color Jitter和增加高斯噪声两种新的数据增强方法。使用不同的训练数据在改进的VGGNet网络结构上进行训练，通过对比其准确率和最终的断层识别效果，可以发现使用的两种新的数据增强方法训练的网络模型准确率更高、断层识别效果更好。从而证明了本次所引入的数据增强方法的有效性，为神经网络算法应用到断层识别研究中提供了一种有效的数据增强方法。
-
单位江苏建筑职业技术学院
