超參數對GRU-CNN混合深度學習彈性阻抗反演影響研究

作者：梁立鋒,劉秀娟,張宏兵,陳程浩,陳錦華

摘要：CNN-GRU混合深度學習反演彈性阻抗取得了較好的反演效果。但是,基于深度學習的疊前反演參數眾多,包括內部深度學習網絡可學習參數和外部超參數等,目前超參數選取對網絡性能及計算速度影響尚缺乏系統性研究,這直接影響到了該方法的進一步推廣應用。因此,本文在混合深度學習反演彈性阻抗基礎上,探討學習率、Epoch、batch_size、正則化參數及參與網絡訓練的測井個數等5個超參數對網絡性能及計算速度的影響,為深度學習地震反演超參數選取提供依據。研究結果可為三維大面積深度學習反演提供一個可行的質控手段,對于推動深度學習方法在石油物探中廣泛應用具有一定意義。

發文機構：嶺南師范學院地理系 河海大學地球科學與工程學院

關鍵詞：超參數門控循環單元卷積神經網絡混合深度學習彈性阻抗super-parametergate recurrent unitconvolutional neural networkmixed deep learningelastic impedance

分類號： P631.4[天文地球—地質礦產勘探]