油氣地震勘探數據重建與去噪-從稀疏表示到深度學習 張岩 9787030749888 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202304*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：油氣地震勘探數據重建與去噪-從稀疏表示到深度學習
ISBN：9787030749888
出版社：科學
著編譯者：張岩
叢書名：博士後文庫
頁數：219
所在地：中國大陸 *此為代購商品
書號：1513427
可大量預訂，請先連絡。

內容簡介

本書系統介紹了地震信號去噪與重建基本理論與方法，以及稀疏表示、壓縮感知、深度學習等技術在地震數據重建與去噪中的應用理論、應用方法與主要原則等內容。全書共10章，分成五部分。第一部分（第1章和第2章）闡述地震數據重建、去噪的研究背景及意義，簡述稀疏表示基本原理、多尺度幾何分析、字典學習，以及壓縮感知的基本理論與應用框架；簡述深度學習的基本原理、地震數據重建與去噪數據樣本組織方法，包括理論引導數據科學正演生成模擬樣本的過程，以及實際樣本增廣的方法。第二部分（第3章和第4章）在壓縮感知框架下，分別基於曲波、波原子稀疏表示重建地震數據，保留地震數據主要特徵。第三部分（第5章和第6章）分別基於結構聚類、多道相似組局部超完備字典稀疏表示，壓制地震數據隨機雜訊，保持地震數據細節特徵。第四部分（第7章和第8章）分別基於聯合傅里葉域、小波域特徵約束的深度學習重建地震數據，加強數據紋理細節信息。第五部分（第9章和第10章）分別基於聯合傅里葉域約束、兩階段神經網絡的深度學習壓制地震數據雜訊，增強網路模型的泛化能力。 本書可供從事地震信號處理、稀疏表示、壓縮感知、深度學習等方面研究的地球物理相關專業、計算機相關專業的高年級本科生、研究生和科研人員使用。

目錄

「博士後文庫」序言
前言
第1章 緒論
1 1 本書的寫作背景
1 2 地震數據重建研究現狀
1 3 地震數據隨機雜訊壓制研究現狀
1 4 稀疏表示研究現狀
1 5 深度學習研究現狀
1 6 本書內容安排
參考文獻
第2章 相關基本理論
2 1 稀疏表示
2 1 1 稀疏約束模型
2 1 2 多尺度幾何分析稀疏表示
2 1 3 超完備字典學習稀疏表示
2 2 壓縮感知
2 3 深度學習
2 3 1 卷積神經網絡原理
2 3 2 卷積神經網絡傳播演算法
2 3 3 基於深度學習的地震數據處理
2 4 樣本組織
2 4 1 模擬地震數據組織
2 4 2 實際地震數據組織
2 5 本章小結
參考文獻
第3章 基於曲波稀疏表示的數據重建
3 1 壓縮感知數據重建模型分析
3 2 地震數據曲波域稀疏表示
3 2 1 地震數據曲波域分析
3 2 2 曲波域多尺度相關性
3 3 地震數據採樣
3 3 1 地震數據觀測矩陣構造
3 3 2 最大間距控制的隨機採樣
3 4 地震數據壓縮感知重建演算法
3 4 1 貝葉斯估計閾值函數
3 4 2 演算法實現步驟與流程
3 5 實驗結果及分析
3 5 1 合成地震數據實驗
3 5 2 標準地震模型實驗
3 5 3 實際地震數據實驗
3 6 本章小結
參考文獻
第4章 基於波原子稀疏表示的數據重建
4 1 波原子域稀疏表示
4 1 1 波原子變換
4 1 2 地震數據波原子域稀疏表示
4 2 波原子域壓縮感知重建演算法
4 2 1 循環平移技術
4 2 2 指數閾值收縮模型
4 2 3 演算法實現步驟與流程
4 3 實驗結果與分析
4 3 1 合成地震數據實驗
4 3 2 標準地震模型實驗
4 3 3 實際地震數據實驗
4 4 本章小結
參考文獻
第5章 基於結構聚類字典的數據去噪
5 1 基於字典學習的雜訊壓制模型
5 1 1 地震數據稀疏表示
5 1 2 地震數據雜訊壓制
5 1 3 全局字典學習方法
5 1 4 全局字典稀疏表示
5 2 地震數據塊結構聚類方法
5 2 1 結構聚類步驟
5 2 2 相似度計算方法
5 3 基於結構聚類的去噪演算法
5 3 1 結構聚類局部字典學習
5 3 2 模型求解
5 3 3 演算法實現步驟與流程
5 4 實驗結果及分析
5 4 1 合成地震數據實驗
5 4 2 標準地震模型實驗
5 4 3 實際地震數據實驗
5 5 本章小結
參考文獻
第6章 基於多道相似組字典的數據去噪
6 1 多道相似組模型
6 1 1 波形互相關係數原理
6 1 2 多道相似組的構造
6 2 基於多道相似組雜訊壓制演算法
6 2 1 多道相似組字典雜訊壓制
6 2 2 局部自適應字典學習
6 2 3 演算法實現步驟與流程
6 3 實驗結果及分析
6 3 1 合成地震數據實驗
6 3 2 標準地震模型實驗
6 3 3 實際地震數據實驗
6 4 本章小結
參考文獻
第7章 基於傅里葉域聯合學習的數據重建
7 1 數據重建模型建立
7 1 1 欠採樣地震數據
7 1 2 基於傅里葉變換的地震數據規則化
7 2 卷積神經網絡構建
7 2 1 網路架構
7 2 2 損失函數設定
7 3 實驗結果與分析
7 3 1 評價標準
7 3 2 標準地震模型實驗
7 3 3 實際數據重建實驗
7 4 本章小結
參考文獻
第8章 基於小波域聯合學習的數據重建
8 1 方法原理
8 1 1 地震數據重建模型
8 1 2 基於小波變換的規則化
8 1 3 小波域特徵提取
8 1 4 聯合小波域深度學習模型
8 1 5 聯合損失函數
8 2 標準地震模型實驗
8 2 1 參數設置
8 2 2 網路模型測試
8 2 3 紋理細節保持效果
8 2 4 演算法對比
8 3 實際地震數據實驗
8 4 本章小結
參考文獻
第9章 基於時頻聯合學習的數據去噪
9 1 聯合學習雜訊壓制模型
9 1 1 網路模型結構
9 1 2 聯合損失函數的構造
9 1 3 擴充卷積的構造
9 2 標準模型實驗
9 2 1 網路結構的分析
9 2 2 演算法對比實驗分析
9 2 3 不同強度雜訊壓制分析
9 3 實際資料處理
9 3 1 數據訓練
9 3 2 數據測試
9 4 本章小結
參考文獻
第10章 基於兩階段卷積網路的數據去噪
10 1 方法原理
10 1 1 雜訊壓制模型
10 1 2 網路結構設計
10 2 去噪影響因素分析
10 2 1 子網結構的分析與驗證
10 2 2 聯合損失函數設計
10 2 3 特徵融合的作用
10 2 4 殘差學習的作用
10 3 標準地震模型實驗
10 3 1 演算法對比實驗分析
10 3 2 不同強度雜訊壓制分析
10 4 實際地震數據實驗
10 5 本章小結
參考文獻
編後記
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。