基于全卷积神经网络的地震初至波的自动拾取
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究的背景 | 第13-14页 |
| 1.2 初至波拾取技术的研究现状 | 第14-16页 |
| 1.3 深度学习技术的研究现状 | 第16-18页 |
| 1.4 主要研究内容及论文结构安排 | 第18-21页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 论文结构安排 | 第19-21页 |
| 第二章 初至波拾取的基本理论依据 | 第21-37页 |
| 2.1 已有的初至波拾取算法 | 第21-23页 |
| 2.1.1 最大能量法 | 第21页 |
| 2.1.2 能量比值法 | 第21-22页 |
| 2.1.3 人工神经网络法 | 第22-23页 |
| 2.1.4 图像法 | 第23页 |
| 2.2 卷积神经网络 | 第23-32页 |
| 2.2.1 卷积神经网络的结构 | 第24-30页 |
| 2.2.2 全卷积神经网络的特点 | 第30-32页 |
| 2.3 深度学习框架TensorFlow | 第32-37页 |
| 2.3.1 TensorFlow的架构和特性 | 第32-35页 |
| 2.3.2 数据可视化TensorBoard | 第35-37页 |
| 第三章 初至波拾取的数据处理 | 第37-49页 |
| 3.1 数据的获取 | 第37-41页 |
| 3.1.1 模拟地震数据 | 第37-40页 |
| 3.1.2 真实地震数据 | 第40-41页 |
| 3.2 数据的处理 | 第41-49页 |
| 3.2.1 数据集增强 | 第41-45页 |
| 3.2.2 训练数据的归一化 | 第45-46页 |
| 3.2.3 标签数据的标注 | 第46-49页 |
| 第四章 初至波拾取的实现 | 第49-71页 |
| 4.1 基于全卷积神经网络初至拾取的方法 | 第49页 |
| 4.2 全卷积神经网络的搭建 | 第49-55页 |
| 4.2.1 全卷积神经网络的结构 | 第50-54页 |
| 4.2.2 网络参数 | 第54-55页 |
| 4.3 实验与分析 | 第55-71页 |
| 4.3.1 实验平台 | 第55-57页 |
| 4.3.2 前期实验 | 第57-58页 |
| 4.3.3 实验结果分析 | 第58-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 主要研究工作和创新性结果 | 第71-72页 |
| 5.2 需要进一步提高的内容 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 附录A | 第75-79页 |
| 附录B | 第79-81页 |
| 致谢 | 第81-83页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第83页 |
