【学习笔记】Day 10

一、进度概述

        1、《地震勘探原理》第三章

二、详情

3.1 野外工作概述

        主要介绍地上与海上两种情况下的测量方法,这里不做详解,需要就看书。
        其中简况分为:试验工作,生产工作过程,干扰波调查,干扰波的类型和特点,这四个专题来讲。

3.2 野外观测系统

        观测系统图示:

        下面介绍四种道集记录,这里的道集,就是之前组会中多次出现过的名词,学到这里,回顾之前的组会就能够理解了。为了更好的理解,这里建议与书上的示意图对应看,图示还是很生动形象的。(p76-77)

3.3 地震波的激发和接收

        这里主要介绍了:炸药震源,非炸药震源,各类检波器,地震仪,可以做一定了解。重要的是对下面的参数要有足够理解。
        野外采集参数的确定:

3.4 低(降)速带测定与静校正

        这个部分介绍的测定方法与静校正,作为理论依据能够影响反演的结果,需要理解。通过学习原理,才能借助深度学习网络去完成反演,这些都是程序中需要考虑到的东西。

(1)什么是低(降)速带?

        因此,需要通过一定的矫正,来修正最开始的假设——即认为地下为均匀分布的岩层。

(2)如何测定?——方法论

        浅层折射法(时距曲线法)p95-p97:针对厚度不大的低速带

         相当于通过水平排布的多个点位,对地层测量。

         微地震测井法p97-p98:针对60-200m深的地带

         地质雷达法

        层析成像法(最重要,全波形反演的基础原理就是这个) 

        步骤(详细解释请看书):初至拾取,建立初始速度模型,迭代计算,输出反演速度结果。

        DL-FWI 的研究就是基于这个方法,如昨天笔记所言,创新点在于应用一个新模型,或者加入一些新算法,使得最后的拟合效果尽可能的好。 

         关于静校正,有以下几种较为常见的方法:井深矫正,地形矫正,低速带矫正。(参考p105)

3.5 地震组合法

        关键在于,通过加入一个干扰波,降低噪声,使得最后的测量结果更加清晰准确。原理分析参考p102-p104。
        常见的几种组合方式有:简单线性方向组合p104,脉冲波组合p105。
        从统计效应分析组合波为什么能有效减少噪声:p107-p110

         对于组合波的频率效应和平均效应(p111),组合参数(p112-p113)这里就不展开了。下面的图示展示了组合波的优越性。

        在生产实际中,还有更加有效的组合方式,如:不等灵敏度组合,面积组合(p114),震源组合(p115)。由下图我们可以看见,通过多震源的组合,反演出来的图像清晰明显了很多。在3.6 中介绍的多次覆盖技术,进一步优化了图像。

3.6 多次覆盖技术(p118-p138)

        这里则是之前一次讨论中的内容,多炮一点。这一小节需要着重着重理解!!!

        附:这部分看完脑子还是有点昏的,还没完全理解,相关笔记整理在草稿箱中,后面在发。


后记 

后续任务规划:
        1、继续推进《地震勘探原理》的学习
        2、分析 inversionnet_trian 的代码逻辑,然后看 ddnet_main 的整体
        3、深度学习相关知识的推进

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/398177.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

allegro PCB设计心得笔记(四) -- 显示坐标原点和更改默认产品选项

一、修改坐标原点 Allegro PCB设计过程中,有时需要修改坐标原点,但是PCB文件不显示坐标原点,无法确认已修改的坐标原点是否已经修改好。 显示PCB原点的设置方法如下: Setup -> Design Parameter Editor,如下图所示&…

[C++][opencv]基于opencv实现photoshop算法图像剪切

【测试环境】 vs2019 opencv4.8.0 【效果演示】 【核心实现代码】 //图像剪切 //参数:src为源图像, dst为结果图像, rect为剪切区域 //返回值:返回0表示成功,否则返回错误代码 int imageCrop(InputArray src, OutputArray dst,…

8.3.数据库基础技术-关系代数

并:结果是两张表中所有记录数合并,相同记录只显示一次。交:结果是两张表中相同的记录。差:S1-S2,结果是S1表中有而S2表中没有的那些记录。 笛卡尔积:S1XS2,产生的结果包括S1和S2的所有属性列,并且S1中每条记…

大数据知识点

VMWare 设置网段 虚拟机设置 JDK部署 云平台 创建VPC 找到阿里云控制台里的VPC,点击专有网络 安全组 搁置…有需要再使用,因为每月要花200左右 大数据 数据导论

merfish数据进行可视化

参考博客 https://scanpy.readthedocs.io/en/stable/tutorials/spatial/basic-analysis.html example import scanpy as sc import pandas as pd import matplotlib.pyplot as plt import seaborn as snscoordinates pd.read_excel("./data/pnas.1912459116.sd15.xlsx…

分布式性能监控之SkyWalking

Apache SkyWalking 是一款开源的分布式应用性能监控和管理工具,旨在为微服务、云原生和容器化环境提供全面的性能分析和监控解决方案。它在分布式系统中起着关键作用,帮助开发者和运维人员实时监控应用程序的性能、定位问题,并优化系统。以下…

计算机的错误计算(六十)

摘要 用另一种方法计算计算机的错误计算(五十五)中案例:先使自变量与 取余,再计算取余后的余弦值,这时,得到了不同的输出。因此,即使不清楚正确结果,Python 与 Visual Studio 也各自…

加强混合工作时代的组织网络安全态势

随着组织转向采用和实施混合和远程工作模式,网络安全的重要性从未如此重要。虽然工作场所的这种演变提供了灵活性并有望提高生产力,但它也带来了组织无法忽视的无数网络安全挑战。多样化工作环境的整合需要强大的安全措施、创新的保护策略和警惕的文化&a…

Python | Leetcode Python题解之第332题重新安排行程

题目: 题解: class Solution:def findItinerary(self, tickets: List[List[str]]) -> List[str]:def dfs(curr: str):while vec[curr]:tmp heapq.heappop(vec[curr])dfs(tmp)stack.append(curr)vec collections.defaultdict(list)for depart, arri…

C++基础知识:类作为友元,以及相关代码案例

1.类作为友元&#xff0c;以及相关代码案例 #include<iostream> using namespace std;#include<string>//类做友元 class Building; class GoodGay { public:GoodGay();void visit();//参观函数 访问Building中的属性Building* building; };class Building {//加了…

从零搭建React全家桶框架教程:快速搭建react+react-router+redux项目

搭建基本的react项目 我们使用create-react-app(npm要全局安装create-react-app)快速创建一个react项目&#xff1a; npx create-react-app my-app cd my-app npm start启动成功后&#xff0c;就可以看到react的页面啦。接下来我们稍稍调整下项目的目录结构和页面内容&#xff…

Windows Server 使用Docke部署挂载问题(安装后无限重启崩溃迁移镜像到D盘打包镜像)

文章目录 前言一、问题&#xff1a;无限重启崩溃尝试&#xff1a;权限不足&#xff1f;解决&#xff1a;用Docker-Compose安装并挂载数据卷 二、问题&#xff1a;镜像磁盘默认挂载在C盘尝试&#xff1a;通过修改Docker修改镜像磁盘到D盘解决&#xff1a;通过修改docker的settin…

深度学习 —— 个人学习笔记14(ResNet、DenseNet)

声明 本文章为个人学习使用&#xff0c;版面观感若有不适请谅解&#xff0c;文中知识仅代表个人观点&#xff0c;若出现错误&#xff0c;欢迎各位批评指正。 二十八、残差网络&#xff08; ResNet &#xff09; import torch import torchvision import time from torch impo…

Nginx代理websocket连接

文章目录 Nginx代理websocket连接1. 引言2. 为什么需要Nginx代理WebSocket3. Nginx代理WebSocket的实现步骤步骤1&#xff1a;确保Nginx支持WebSocket步骤2&#xff1a;修改Nginx配置文件步骤3&#xff1a;重启Nginx服务步骤4&#xff1a;验证配置 Nginx代理websocket连接 1. …

AI学习记录 - torch 的 matmul ,也就是点积的一些试验

有用大佬们点点赞 1、两个一维向量点积 &#xff0c;求 词A 与 词A 之间的关联度 2、两个词向量之间求关联度&#xff0c;求 : 词A 与 词A 的关联度 5 词A 与 词B 的关联度 11 词B 与 词A 的关联度 11 词B 与 词B 的关联度 25 刚刚好和矩阵乘法符合&#xff1a; 3、什么是…

Python | Leetcode Python题解之第329题矩阵中的最长递增路径

题目&#xff1a; 题解&#xff1a; class Solution:DIRS [(-1, 0), (1, 0), (0, -1), (0, 1)]def longestIncreasingPath(self, matrix: List[List[int]]) -> int:if not matrix:return 0rows, columns len(matrix), len(matrix[0])outdegrees [[0] * columns for _ in…

opencv移植

1 简介 本机环境&#xff1a;windows10 64位&#xff1b;QT&#xff1a;5.14.2 &#xff1b;本次移植不涉及源码编译&#xff0c;直接使用的编译好的源码。 2 MINGW编译环境 2.1 库文件下载 编译好的库文件下载地址&#xff1a;IJustLoveMyself/OpenCV-MinGW-Build: &#…

SPRING07_自动装配如何加强、@Autowired注解debug分析、总结

文章目录 ①. Spring启动一行代码:②. ApplicationContex增强功能③. 自动装配如何装配进来④. Autowired自动注入细节xml版⑤. Autowired注解版分析⑥. 总结一下 ①. Spring启动一行代码: ①. 创建一个IOC容器,传入容器的xml配置文件,Spring在整个创建容器的过程中全部都准备…

日期类比较大小和加减

日期比较大小 先定义一个日期类&#xff0c;这里包含年月日&#xff0c;这里头文件和源文件分离 重载符号 1.operator> 先声明函数 这里大于可以把*this> d 的情况全部列举出来 bool date::operator>(const date& d) {if (_year > d._year){return true;}e…

总要去趟沙漠吧:中卫沙坡头

周五 下班出发 西安 -> 固原 周六 疯狂的一天 陕甘宁蒙 沙坡头 集大漠、黄河、高山、绿洲为一处&#xff0c;具西北风光之雄奇&#xff0c;兼江南景色之秀美。有中国最大的天然滑沙场&#xff0c;有横跨黄河的“天下黄河第一索”&#xff0c;有黄河文化代表古老水车&#…