使用无监督集成学习方法进行自动叠加速度拾取
机器学习
2024-04-15 v2 计算机视觉与模式识别
信号处理
摘要
既精确又高效的地震速度拾取算法可以极大地加快地震数据处理速度，其主要方法是使用速度谱。尽管已经开发了一些基于监督深度学习的方法来自动拾取速度，但它们通常伴随着昂贵的人工标注成本或缺乏可解释性。相比之下，利用物理知识驱动无监督学习技术有潜力以高效的方式解决此问题。我们提出一种无监督集成学习（Unsupervised Ensemble Learning, UEL）方法，以在依赖标注数据和拾取精度之间取得平衡，旨在确定叠加速度。UEL利用来自邻近速度谱和其他已知来源的数据，通过聚类技术获取高效且合理的速度点，以辅助拾取。在合成数据集和现场数据集上的测试表明，UEL在自动拾取方面比传统的基于聚类的方法和广泛使用的卷积神经网络（CNN）方法更可靠、更精确。
引用
@article{arxiv.2205.08372,
title = {Automatic Stack Velocity Picking Using an Unsupervised Ensemble Learning Method},
author = {H. T. Wang and J. S. Zhang and C. X. Zhang and Z. X. Zhao and W. F. Geng},
journal= {arXiv preprint arXiv:2205.08372},
year = {2024}
}