亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Unsupervised seismic facies analysis via deep convolutional autoencoders

模式识别(心理学) 地质学 聚类分析 自编码 地震道 人工智能 卷积神经网络 计算机科学 特征提取 深度学习 小波 古生物学 构造盆地
作者
Feng Qian,Miao Yin,Xiao-Yang Liu,Yaojun Wang,Chao Lu,Guangmin Hu
出处
期刊:Geophysics [Society of Exploration Geophysicists]
卷期号:83 (3): A39-A43 被引量:118
标识
DOI:10.1190/geo2017-0524.1
摘要

One of the most important goals of seismic stratigraphy studies is to interpret the elements of the seismic facies with respect to the geologic environment. Prestack seismic data carry rich information that can help us get higher resolution and more accurate facies maps. Therefore, it is promising to use prestack seismic data for the seismic facies recognition task. However, because each identified object changes from the poststack trace vectors to a prestack trace matrix, effective feature extraction becomes more challenging. We have developed a novel data-driven offset-temporal feature extraction approach using the deep convolutional autoencoder (DCAE). As an unsupervised deep learning method, DCAE learns nonlinear, discriminant, and invariant features from unlabeled data. Then, seismic facies analysis can be accomplished through the use of conventional classification or clustering techniques (e.g., K-means or self-organizing maps). Using a physical model and field prestack seismic surveys, we comprehensively determine the effectiveness of our scheme. Our results indicate that DCAE provides a much higher resolution than the conventional methods and offers the potential to significantly highlight stratigraphic and depositional information.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
VDC应助科研通管家采纳,获得30
19秒前
30秒前
Owen应助黑环刺身采纳,获得10
42秒前
舒心以蓝完成签到,获得积分10
1分钟前
1分钟前
Sophiaple完成签到,获得积分10
1分钟前
miyavi发布了新的文献求助10
1分钟前
科研发发发完成签到 ,获得积分10
1分钟前
1分钟前
Sophiaple发布了新的文献求助10
1分钟前
1分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
2分钟前
汉堡包应助嘻嘻嘻嗨学习采纳,获得10
2分钟前
领导范儿应助老实的若山采纳,获得10
2分钟前
TARCY完成签到,获得积分10
2分钟前
3分钟前
3分钟前
3分钟前
3分钟前
Cherry发布了新的文献求助10
3分钟前
3分钟前
3分钟前
黑环刺身发布了新的文献求助10
3分钟前
4分钟前
无名完成签到 ,获得积分10
5分钟前
5分钟前
5分钟前
6分钟前
Perion完成签到 ,获得积分10
6分钟前
7分钟前
8分钟前
科研通AI2S应助冷傲的薯片采纳,获得200
8分钟前
薄饼哥丶发布了新的文献求助10
8分钟前
VDC应助科研通管家采纳,获得30
8分钟前
8分钟前
五岳三鸟完成签到,获得积分10
9分钟前
9分钟前
9分钟前
科目三应助不喜采纳,获得10
9分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248759
求助须知:如何正确求助?哪些是违规求助? 2892223
关于积分的说明 8270205
捐赠科研通 2560417
什么是DOI,文献DOI怎么找? 1388980
科研通“疑难数据库(出版商)”最低求助积分说明 650955
邀请新用户注册赠送积分活动 627850