[发明专利]基于神经网络的地震初至波走时获取方法

权利要求书

1.一种基于神经网络的地震初至波走时获取方法，其特征在于，包括：

获取原始地震波形数据，并将其处理为包含原始波形和对应标注点的数据集，再将数据集划分为训练数据集与测试数据集；

根据初至波走时数据获取过程，以尽可能模拟人工拾取结果为目标，结合原始地震波形数据的特征，确定神经网络的结构；

将训练数据集作为神经网络的输入，将对应的标注点做为神经网络的输出，对神经网络进行训练，并利用测试数据集对训练后的神经网络进行测试，若满足精度要求，则获得训练好的神经网络；

利用根据训练好的神经网络自动获取原始地震波形数据的标注点，从而获得地震初至波走时。

2.根据权利要求1所述的一种基于神经网络的地震初至波走时获取方法，其特征在于，原始地震波形数据为二维浮点数矩阵，其形成的灰阶图像中，纵轴是记录时间，长度固定，横轴长度由检波器个数决定，每个检波器只包含一个标注点，用于记录地震初至波走时的时间；

原始地震波形数据的处理方式如下：

根据原始地震波形数据中标注点分布差别，采用相应的间隔对原始地震波形数据进行切割，获得等高等宽且标注点均衡的若干数据数据样本，从而构成包含原始波形和对应标注数据的数据集。

3.根据权利要求1所述的一种基于神经网络的地震初至波走时获取方法，其特征在于，

将训练数据集输入至神经网络时，对每一训练样本进行白化处理。

4.根据权利要求1所述的一种基于神经网络的地震初至波走时获取方法，其特征在于，所述将对应的标注点做为神经网络的输出包括：将由对应的标注点坐标生成的等尺寸one-hot向量组作为输出。

5.根据权利要求1所述的一种基于神经网络的地震初至波走时获取方法，其特征在于，所述神经网络的结构依次为：第一卷积层、第一BN层、第二卷积层、第二BN层、Reshape层、第一反卷积层、第三BN层、第二反卷积层、第四BN层、第三反卷积层与Softmax层。

6.根据权利要求5所述的一种基于神经网络的地震初至波走时获取方法，其特征在于，每层所处理数据的维度均以高度×宽度×通道数形式出现；高度是将原始地震波形数据进行规范化之后的数据，宽度是针对检波器数量不定的波形数据进行的加窗切割，通道数为1。