Hopfield神经网络和平均场退火及其在地震反褶积和多次波衰减中的应用

本文阐述了一种基于全局优化的算法－平均场退火算法（简称MFA），及其在地震数据处理中的两个基本问题－地震道反褶积与表面有关的多次被衰减中的应用，基于平均场近拟，MFA耕用一套确定性的修正规则代替了模拟退火的随机性，且这些规则不是作用在变量自身上，而是作用在变量的均值上，当温度降低时，MFA规则根据前一温度上各个变量的值修正其变量，通过最小平均值，MFA较常规模拟退火法能更快地收敛到平衡状态，修正规则依赖于价格函的形式，在价格函数类似于Hopfield网络的能量函数时，很容易获得，将一个问题映射成Hopfield网络不是使用MFA的前提条件，但映射能使解析计算更为简单，通过将震源子波和反射系数用二值神经表示，问题就是反褶积问题可映射到一个Hopfield网络，在本文中，当网络的神经元到达平衡状态时，问题最小化MFA网络的价格样的思路来设计算子，此算子可用来衰减由平面波转化的地震记录中与表面有关的多次反射波，消除多次波问题的价格函数是基于被多次压制地震数据的最小能量标准的。     

用震电法寻找地下水

介绍了用震电法寻找地下水的情况及其实施过程。     

DMO技术及其处理效果分析

当地下界面存在倾角时，地面上同一共中心点道集中记录到的反射波并不是来自界面上的同一个反射点，而是来自界面上的一个反射段，用这样的共中心点道集直接进行动校正叠加也就无法实现真正的共反射点叠加，从而严重影响了倾斜反射波在水平叠加剖面上的成像质量。而MO就是将非零炮检距地震记录转化为自激自收地震记录，保证在任何地层倾角的情况下都能实现共反射点叠加的一种重要技术。我们将看到：在地层倾角较大的情况下，对于一些大炮检距地震记录在叠加前应尽可能作DMO处理，以消除非零炮检距地震道由于地层倾角而产生的时差，只有这样才能确保水平叠加剖面的质量。而且DMO还能消除地层倾角对叠加速度的影响，从而使得叠加速度更接近均方根速度，提高速度分析的正确性。