首页 | 本学科首页   官方微博 | 高级检索  
     检索      

应用神经网络技术提高地震资料分辨率
引用本文:任义庆,马在田.应用神经网络技术提高地震资料分辨率[J].同济大学学报(自然科学版),1998,26(6):710-713.
作者姓名:任义庆  马在田
作者单位:同济大学海洋地质教育部开放研究实验室!上海,200092
摘    要:通过神经网络技术以井数据和井旁地震数据作为输入,学习它们之间的褶积关系,利用这种关系可以求出地震子波通过求取子波的逆即得到反子波,使建立在褶积模型基础上的地震数据可以与反子波褶积得到波形压缩提高资料的分辨率。该方法和传统的反褶积方法的区别在于对子波没有最小相位假设,而地震子波一般是混合相位的.同时有井数据的参与使得对目的层的子注求取更为准确,通过反褶积使地震波形得到很好的压缩,提高了分辨率

关 键 词:神经网络  子波  反褶积

Way to Get High Resolution Seismic Data by Neural Network
Ren Yiqing, Ma Zaitian.Way to Get High Resolution Seismic Data by Neural Network[J].Journal of Tongji University(Natural Science),1998,26(6):710-713.
Authors:Ren Yiqing  Ma Zaitian
Abstract:To get the high resolution seismic data, the important technique is deconvolution. In general the wavelet is unknown, and seismic traces deconvoluted supposing the wavelet is minimum phase. We practice a new way to perform deconvolution. At first we obtain the wavelet of seismic traces by neural network trained with log reflectivity and trace near well. Then we can get the inverse wavelet that may be called deconvolution operator, and the operator acts all seismic records. At last we obtain high resolution profile.
Keywords:Neural net work  Wavelet  Deconvolution  
本文献已被 CNKI 维普 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号