刘金林
- 作品数：5 被引量：63H指数：1
- 供职机构：清华大学更多>>
- 发文基金：国家自然科学基金国家科技重大专项更多>>
- 相关领域：天文地球更多>>
- 湖波水泥集团发展战略研究
- 刘金林
- 关键词：战略管理SWOT分析
- 基于种子区域生长的沉积微相自动划分
- <正>1.引言目前在油田的实际生产开发中,储层精细描述的核心就是沉积微相。研究沉积微相可以预测砂体的分布特征,掌握油水运动规律,提高油气采收率。然而目前沉积微相的划分主要是靠地质专家手工划分,效率低下,通常专家手工划分好...
- 刘金林陆文凯刘磊
- 文献传递
- 基于分频主成分分析的多次波消除方法及装置
- 本发明公开了一种基于分频主成分分析的多次波消除方法及装置，该方法包括：对预测得到的多次波进行分频处理，得到多个多次波频段；分别从每个多次波频段中提取多次波特征；将从多个多次波频段中提取的多次波特征进行合成；根据合成结果重...
- 陆文凯刘金林
- 文献传递
- 基于分频主成分分析的多次波消除方法及装置
- 本发明公开了一种基于分频主成分分析的多次波消除方法及装置，该方法包括：对预测得到的多次波进行分频处理，得到多个多次波频段；分别从每个多次波频段中提取多次波特征；将从多个多次波频段中提取的多次波特征进行合成；根据合成结果重...
- 陆文凯刘金林
- 文献传递
- 基于数据增广和CNN的地震随机噪声压制被引量：63
- 2019年
- 卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容.
- 王钰清陆文凯刘金林刘金林苗永康
- 关键词：卷积神经网络
