科研之友
微信
新浪微博
Facebook
分享链接
摘要
井间地震CT方法能够有效探测岩溶等不良地质，而拾取地震波的初至对其反演结果至关重要。以往井间地震CT初至拾取中通过手动标定效率低，无法满足模型训练要求。因此，本文基于人工源地震初至的时距特征，提出了一种基于深度学习的地震初至训练样本库快速标定方法。首先，利用人工合成数据训练初始网络模型，采用少量人工标定实测数据进一步训练，基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取，采用长短时窗比法修正曲线拟合结果，对仍不理想的拾取结果进行人工判别和改正，并将准确标定数据加入训练集，形成新的网络模型；通过迭代实现数据集再生成并获得后续阶段的网络模型。基于上述方法完成了80000道数据的初至拾取，在充分训练后神经网络具备较高的拾取精度，采用3840组数据对该模型进行测试，发现预测结果与人工拾取结果对比的绝对误差值小于0.2毫秒的数据占91.8%，是一种切实有效且高效的井间地震CT初至拾取方法。
-
单位山东省地震局; 山东大学; 济南轨道交通集团有限公司; 中煤科工集团西安研究院有限公司
