【儀表網(wǎng) 儀表研發(fā)】人工神經(jīng)網(wǎng)絡(luò)(ANN)在數(shù)據(jù)驅(qū)動的自然和信息科學(xué)研究領(lǐng)域如圖像圖形學(xué)、材料、生物學(xué)和醫(yī)學(xué)、天文地理以及地球科學(xué))的應(yīng)用發(fā)展迅速。在勘探地球物理學(xué)中，大部分此類研究均可視為可視化圖像分類或分割問題。如地質(zhì)學(xué)家使用地震反射數(shù)據(jù)圖像對地下沉積單元或油氣藏進(jìn)行分類，并識別斷層、裂縫或鹽體等不連續(xù)地質(zhì)結(jié)構(gòu)。
 

　　人工神經(jīng)網(wǎng)絡(luò)可學(xué)習(xí)此類圖像中的形態(tài)模式，其中許多是基于現(xiàn)行的卷積神經(jīng)網(wǎng)絡(luò)(CNN)，CNN是專門針對計算機(jī)視覺中與圖像相關(guān)任務(wù)而設(shè)計的。與視覺圖像相比，地震反射信號具有本質(zhì)上的不同：稀疏信號極性變化及有限帶寬。地質(zhì)特征的地震響應(yīng)在波傳播路徑、頻率、幅度和極性方向方面也有所不同。因此，基于數(shù)據(jù)驅(qū)動的ANN地震解釋研究是高維稀疏信號的復(fù)雜映射問題。
 

　　中國科學(xué)院地質(zhì)與地球物理研究所博士后耿智與合作導(dǎo)師、研究員王彥飛，提出基于數(shù)據(jù)驅(qū)動的、能進(jìn)行地震數(shù)據(jù)分類的、自動搜索神經(jīng)網(wǎng)絡(luò)架構(gòu)(SeismicPatchNet，SPN)。假設(shè)嵌入在勘探地震數(shù)據(jù)中的關(guān)鍵信號特征可以被ANN捕獲，描述其參數(shù)則少于CNN架構(gòu)。研究人員設(shè)計了具有特定地震振幅序列的概念性信號斑塊，以海洋天然氣水合物為例，這些信號類似于水合物的關(guān)鍵地震反射；考慮將各種復(fù)雜的破壞方法應(yīng)用于上述信號，以生成用于搜索的特定CNN架構(gòu)的積極數(shù)據(jù)集。
 

　　該神經(jīng)網(wǎng)絡(luò)架構(gòu)通過分解網(wǎng)絡(luò)內(nèi)核以減少參數(shù)量并匯總相反的采樣特征來保持極性信息，應(yīng)用高性能圖形處理單元(GPU)通過反問題正則化建模和隨機(jī)搜索算法獲得終的網(wǎng)絡(luò)架構(gòu)SPN。該研究構(gòu)成了第一個以數(shù)據(jù)為驅(qū)動的、設(shè)計具有高效計算能力的CNN，旨在從稀疏信號處理的角度對地震數(shù)據(jù)進(jìn)行端到端解釋。
 

　　研究人員通過對比標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)模型發(fā)現(xiàn)，該研究的神經(jīng)網(wǎng)絡(luò)架構(gòu)參數(shù)存儲量約為VGG-16架構(gòu)的0.5%；SPN的預(yù)測速度比ResNet-50快近18倍，在識別海底天然氣水合物資源指標(biāo)似海底反射(BSR)方面顯示出優(yōu)勢。顯著性映射表明，該研究提出的架構(gòu)捕捉了關(guān)鍵特征，顯示出以低計算成本進(jìn)行多個地震數(shù)據(jù)集端到端解釋的前景。
 

　　相關(guān)研究成果以Automated design of a convolutional neural network with multi-scale filters for cost-efficient seismic data classification為題，發(fā)表在Nature Communications上。研究工作得到中科院從0到1原始創(chuàng)新項目、地質(zhì)地球所重點部署項目和國家重點研發(fā)計劃項目的資助。