机器学习如何在大数据时代帮助地震结构解释人员

。然后将这些岩层四面填充到带标记的岩层立方基底中都，并用作本地3D CNN中都的锻炼信息（所示1）。随后，我们在整个清查中都运行经过锻炼的互联网。终于，我们通过在整个清查过后将繁复的接合要素集与地貌年代督促向量要素所示相适应来测试预报的岩层方式也（所示2和所示3）。

所示2：用到全盘清查的基于对象的本基底另有统性。（a）合成的岩层点集（b）、（c）、（d）和（e）分别是岩层西起（以度为一个单位）、倾角（以度为一个单位）、矩形度（以度为一个单位）和浅层（以米为一个单位）要素，可定义到合成的岩层点集上。比如说：斯伦贝谢。

然后，我们的文书工作时序生成的短路互联网所示可以用作各种应用程序的输入。其中都之一是5世纪应力另有统性和现在应力另有统性，还包括将岩层互联网另有统性与地貌年代层序边境另有统性相适应，从而能够根据岩层的相比较时长对其同步进行归类（所示3）。后者透过了压力状况随时长演变的似乎。认识到5世纪应力状况和现在小得多准确度应力（SHmax）一段距离有助于审核特定SHmax下岩层的潜在导电性，因为导电岩层的西起方位应与SHmax一段距离一致。

所示3：岩层所示和地貌年代督促向量要素组合，用于岩层依赖性的相比较时长另有统性（左侧）和横截四面（右侧），其中都岩层依赖性的相比较时长是基于其本基底关另有（1-最5世纪老、2和3-最眼中）和典型层位（BCU、top Heather和top Shetland）的用于确定的。比如说：斯伦贝谢。

总之，ML、确定性法则和用到海啸接合暗示的教育领域知识的结合，大大提高了从海啸中都探测地貌完善的岩层方式也的信心。通过为了让重要的较小范围并理想地猎取主要范围岩层方式也来对大型勘测同步进行本基底暗示，是确保3D CNN锻炼尽可能不具备指标性的适当一条路。我们通过另有统性自动合成的接合要素（方位角、倾角、矩形度、浅层）和选定的海啸接合—地貌年代要素，来测试探测到的岩层方式也的相容性的法则是独特的，允许在非常大规模的清查中都应用一种省时的适合于目的的法则。（小晨编译）

越来越多精彩内容，敬请高度重视我们的微信公众号：智慧能源之窗

。

升降平台
无锡比较好的肛肠医院
银川看白癜风的医院哪家好
泉州白癜风医院哪里好
中国有资质的干细胞实验室