Zastosowanie sieci neuronowych do automatycznej edycji tras sejsmicznych

Abstract

Edycja tras, w której usuwane są te o bardzo niskim stosunku sygnału użytecznego do szumu, jest jednym z pierwszych etapów przetwarzania danych sejsmicznych. Do tego zadania przetestowano jednokierunkową, wielowarstwową sieć neuronową, wykorzystującą do nauki algorytm wstecznej propagacji błędu. Na podstawie 2 zestawów lądowych danych sejsmicznych obliczone zostały parametry statystyczne opisujące każdą trasę. Przetestowano różne ciągi uczące sieć będące kombinacjami obliczonych atrybutów statystycznych. Sprawdzono również, jak użycie drugiej warstwy ukrytej wpływa na rozwiązywanie problemu przez sieć. Testy oraz wszystkie obliczenia zostały przeprowadzone w programie Matlab, wykorzystując pakiety Seislab oraz Neural Network Toolbox.

Trace edition step, when traces with very low signal to noise ratio are removed, is early stage of seismic data processing. For this task multilayer, feedforward artificial neural network using backpropagation algorithm was tested. Based on two sets of land seismic data, few statistical attributes, which describe every trace, was calculated. Training examples consisted of different combinations of calculated attributes. Also effect of usage second hidden layer in solution was checked. All tests and calculations were made in Matlab software, using Neural Network Toolbox and Seislab toolboxes.