基于深度卷积自编码器的岩性分类与识别

基于深度卷积自编码器的岩性分类与识别
张树义;王波;马尽文
【期刊名称】《信号处理》
【年(卷),期】2023(39)1
【摘要】在地质勘探与地震信号处理中,岩性分类是一个最基本的问题。

然而,由于实际的岩性分类涉及到各种复杂的因素与环节,使得传统的统计和机器学习方法难于得到满意的分类准确率,无法在实际应用中进行有效的岩性识别。

为了有效地解决这一问题,本文依据测井曲线数据提出了一种基于深度卷积自编码器的神经网络模型及其相应的参数学习算法,来实现有效的岩性分类与识别,并采用游程平滑算法对分类结果中孤立点进行剔除,进一步改善岩性分类的效果。

实验结果表明,即使在少量的测井曲线标注样本条件下,本文所提出的深度学习模型也能够显著地提高了岩性分类的准确率,能够达到实际应用的要求。

【总页数】9页(P11-19)
【作者】张树义;王波;马尽文
【作者单位】北京大学数学科学学院和数学及其应用教育部重点实验室
【正文语种】中文
【中图分类】TD76
【相关文献】
1.基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类
2.基于岩石图像深度学习的岩性自动识别与分类方法
3.降噪自编码器深度卷积过程神经网络及在时变信号
分类中的应用4.基于U-Net深度卷积神经网络的碳酸盐岩储层自动识别方法5.基于深度卷积神经网络的钢材微观组织分类识别
因版权原因，仅展示原文概要，查看原文内容请购买。