基于深度信念神经网络的微震波到时拾取方法

微震信号到时的准确拾取是进行震源定位等技术的基础。传统的到时拾取方法大多依赖于人工干预,对采集数据信噪比的要求较高。为了提高低信噪比中微弱信号的拾取准确率,提出一种基于S变换和深度信念神经网络的拾取方法。该网络模型训练分两步进行,首先对经S变换处理过的原始数据利用受限玻尔兹曼机进行无监督预训练,得到网络模型参数的初值;再通过误差反向传播来微调网络参数,构建最终的深度信念神经网络模型。本次利用训练好的网络对数据进行拾取,并与STA/LTA法的拾取结果进行对比,分析结果表明本文方法有更高的抗噪性。