用深度学习做地震数据处理的几个关键点 (简单讨论)

用深度学习做地震数据处理的几个关键点

1. 网络本身有没有针对性的创新。一般而言，网络进行创新很难，但可以进行组合。同时，这种组合应该针对地震数据的特点。注意要避免与其它方法太相似。
2. 在人工数据上的处理效果如何。由于是人造的，可以获得客观的评价如信噪比。
3. 在实际数据上的处理效果如何。一方面从地球物理专业的角度来看，而不是图像处理的角度来看，非专业人士看起来好的结果，并不一定好。另一方面，硬性评价指标是否可以获得。有时候需要强行解释效果为什么好。
4. 比较实验。既要与传统的方法比，更要与其它深度学习的方法比。消融实验非常流行。一方面它可以丰富实验部分，另一方面要考察新组合的合理性。

如何对自己的模块进行强行解释

1. 设计的理念（如跳线等）：别人给出的，但为什么适用于这里？
2. 参数的设置原因：有可能是根据效果倒推，也有可能基于某些理论、经验。
3. 相似模块比较：有哪些，和它们的异同点。
4. 最终是靠实验来验证。