基于二维CNN预训练的贝叶斯神经网络半监督阻抗反演
信号处理
2021-11-23 v1 机器学习
地球物理
摘要
地震阻抗反演可通过半监督学习算法实现，该算法仅需少量测井曲线作为标签且不易过拟合。然而，经典的半监督学习算法通常会在预测的阻抗剖面上产生伪影。本文从两方面改进半监督学习。首先，将深度学习结构中的一维卷积神经网络（CNN）层替换为二维CNN层和二维最大池化层，提高了预测精度。其次，通过将网络嵌入贝叶斯推断框架，还可估计预测不确定性。在网络前向传播中使用局部重参数化技巧以降低采样成本。基于Marmousi2模型和SEAM模型的测试验证了所提策略的可行性。
引用
@article{arxiv.2111.10596,
title = {Semi-supervised Impedance Inversion by Bayesian Neural Network Based on 2-d CNN Pre-training},
author = {Muyang Ge and Wenlong Wang and Wangxiangming Zheng},
journal= {arXiv preprint arXiv:2111.10596},
year = {2021}
}