使用Hopfield神经网络的自适应最小预测误差反褶积和震源子波估计

人工神经网络大规模并行处理的优点可用适当的硬件来实现。因此,把人工神经网络应用于地震信号处理问题就可能大大地加速地震信号的处理。常用的人工神经网络-Hopfield神经网络的一项基本用途是实现新的自适应最小预测误差反褶积(AMPED)。它将反褶积和子波估计分解成三项子处理:反射率位置检测;反射率幅值估计以及震源子波提取。这些处理不要求对随机反射率模型做任何假设。本方法的基本思想就是建立反褶积和子波估计问题的价格函数与Hopfield神经网络的能量函数之间的关系,这样,当神经网络达到它们的稳定状态时,即,其能量函数达到局部极小时,从网络的输出就能得到反褶积和子波估计问题的解。为完成这三项子处理,需分别构造三个Hopfield神经网络。这些神经网络以迭代方式相连结以完成全部反褶积和子波估计。本方法应用于合成和实际地震道的结果证实:(1)Hopfield神经网络只需一到四次迭代就能收敛到它的稳定状态,因而能很快地给出反褶积和子波估计问题的解。(2)本方法在低信噪比和非最小相位子波的情况下也工作得相当好。(3)本方法能把反散射作为噪音也可作为有用信号来处理。