|
地下水是非常重要的淡水资源，对人类的生活非常重要。相应的，知道地下水的储量就是一个非常重要的问题。通常是先用地球物理方法进行过调查，然后进行钻井来研究。利用地震方法研究地下水有一个很重要的优势，就是地震方法不仅能够提供地下水储层空间的成像剖面，还可能定量估算出地下水的储量。 当采集到了地震数据，该怎么来估算储量呢？最容易想到的做法是，对地震数据进行处理，然后进行AVO反演或者波阻抗反演获得一些属性剖面。然后借助正演模拟的样板来估算储量。 《geophysical prospecting》提出利用深度学习方法来直接从地震数据中估算地下水储量。该方法采用卷积层和全连接层相互结合的方式来实现。所用的训练数据，测试数据均来自合成地震数据。训练数据集一共有15000个样本。文中结尾也提出可以把实际数据加入到训练集中。论文展示了该方法的可行性。 总的来说，这是一个比较容易想到的实现方法。主要在于怎么构建训练样本以及选择怎么样的网络模型。至于构建训练样本，大多采用正演模拟来完成。至于网络模型，主要选用卷积神经网络模型为主。因为全连接神经网路模型涉及的参数太多。 这是一个很多问题研究都可以参考的例子。
; V* F! @) c, m# x) ~
' ^$ }" A( `" m O) _0 V
* w( j+ }* e* i, I
4 c3 N: [7 w, C D9 f
' H+ S" ^) n, a
3 S! |" O! }: S @9 e4 ^( Z+ f; U
( n0 G6 S- \ Z2 ]% j6 F! d
| 
