基于深度学习的叠前弹性参数反演方法研究与应用

被引量 : 0次 | 上传用户:dlzhwp
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
<正>1.引言利用多角度弹性阻抗提取叠前弹性参数的方法广泛地应用于地震勘探之中。弹性阻抗与弹性参数之间存在着一种典型的非线性映射关系,常用的误差拟合求解方法会导致反演结果不准确,特别是密度的求取通常存在较大的误差,具有一定的局限性。因此,为了获取更加稳定和精确的弹性参数,本文基于深度学习方法进行弹性参数反演,以三个角度的弹性阻抗数据作为深度神经网络的输入参数,建立起弹性阻抗与弹性参数之间的非线性映射关系,所得结果与实际测井数据误差较小,特别是显著
其他文献
陶氏化学聚氨酯业务部最近推出了牌号为VORASIL 的硅烷改性聚合物(SMP)。VORASIL SMP是胶黏剂及密封胶解决方案的有效突破,是聚氨酯和硅烷端基的独一无二组合,拥有低黏度和常温条
一个具有吸收态的状态转化模型表明国有股减持政策诱使股市状态转向所谓的“流动性黑洞”;同时,在股市行情大跌时追逐流动性的假说没有足够证据支持,因而股市大跌是整个市场
文章以首都师范大学物理系为例,首先从构建教学实践基地、采取社会和学校双向互动的培养模式、加强校内工科实训基地建设等六个方面阐述了大学生创新实践能力的提升途径,然后