基于机器学习的时间反转散射体检测方法
地下小尺度散射体的检测和识别对于提高地震勘探的分辨率具有重要意义,目前业界普遍采用绕射波分离及成像方法检测地下散射体,而绕射波成像的质量主要取决于绕射波和反射波波场分离的程度.本文将被动源震源定位问题中常用的时间反转原理引入到地下散射体检测中,首先通过分析被动源和主动源模型反传波场的聚焦状态,验证了时间反转原理应用于地下散射体检测中的可行性;并引入机器学习中的朴素贝叶斯分类算法,给出适用于时间反转散射体检测的分类算法框架,计算模型中每个点成为散射体的概率,最终检测出地下散射体最有可能存在的位置.散射体模型和Sigsbee2a模型的试算结果证实了本文方法在不需对反射波和绕射波分离的情况下,即可实现对地下散射体的检测和定位,同时由于考虑了多次散射的影响,检测结果能准确反映地下散射体的位置.
散射体检测、时间反转、机器学习、朴素贝叶斯分类
64
P631
国家重点研发项目"面向E级计算的能源勘探高性能应用软件系统与示范"2017YFB0202905
2021-09-22(万方平台首次上网日期,不代表论文的发表时间)
共12页
3304-3315