超参数对GRU-CNN混合深度学习弹性阻抗反演影响研究

作者：梁立锋,刘秀娟,张宏兵,陈程浩,陈锦华

摘要：CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果。但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数和外部超参数等,目前超参数选取对网络性能及计算速度影响尚缺乏系统性研究,这直接影响到了该方法的进一步推广应用。因此,本文在混合深度学习反演弹性阻抗基础上,探讨学习率、Epoch、batch_size、正则化参数及参与网络训练的测井个数等5个超参数对网络性能及计算速度的影响,为深度学习地震反演超参数选取提供依据。研究结果可为三维大面积深度学习反演提供一个可行的质控手段,对于推动深度学习方法在石油物探中广泛应用具有一定意义。

发文机构：岭南师范学院地理系 河海大学地球科学与工程学院

关键词：超参数门控循环单元卷积神经网络混合深度学习弹性阻抗super-parametergate recurrent unitconvolutional neural networkmixed deep learningelastic impedance

分类号： P631.4[天文地球—地质矿产勘探]