matlab集成c代码 SeisCompletionGAN 构建一种对抗生成网络对有缺失的地震二维图像进行重建恢复。 代码环境 python 3.5.4 / Tensorflow 1.9.0 训练集 使用真实地震工区的地震segy格式数据，通过matlab进行读取，分割，得到了10万二维地震图片作为训练数据，5000作为测试数据。 预处理 将.mat数据通过Python转换为图片，并采用缺失道的处理，在输入网络前进行处理加速网络的收敛。 生成器/补全网络 将预处理完成的数据输入补全网络。补全网络如下 采用了白化操作——将输入数据分布变换到0均值，单位方差的分布，加速神经网络的收敛。 补全网络采用了一种编码-解码的结构，类似于自编码器，从最初为了之后的处理而降低分辨率，这样的操作可以降低存储空间和计算时间。 补全网络通过反卷积操作可以使图像在最初的降维后恢复原始的分辨率。 补全网络未采用池化操作来降低分辨率，只使用带步长的卷积操作来降低图像分辨率，相比池化能够在缺失区域产生不那么模糊的纹理。 补全网络采用均方误差作为生成器的损失。 使用加速模型的收敛，在一定程度缓解了梯度消失的问题。 激

GUI 2D-地震数据处理软件。 主要功能允许基于不同的 2、3 和 4 因子数学模型执行表面一致性操作。 这些操作是：表面一致幅度校正，表面一致最小相位反褶积和建立上层速度模型（通过初爆时间的因子分解）来确定静位移。 此外，读取/写入 SEG-Y 文件、更改轨迹标题和轨迹数据、处理层位、绘制地震数据和因子数据文件、绘制上层速度也很容易。 用户界面允许在处理二维地震数据时使用应用程序。 随时联系我。

Seis_pick 提供了一个用于挑选地震波形的交互式环境。 它的开发主要目的是处理井下微地震数据，尽管它适用于所有地震数据。 Seis_Pick 显示地震轨迹，允许用户选择 P 波和 S 波相位。 Seis_Pick 可以将 Matlab 工作区变量作为输入参数。 或者，Seis_Pick 可以直接读取 SAC 文件。 读取 SAC 文件后，Seis_Pick 可以将选择保存回 SAC 文件头。 选择相位后，用户可以进入频谱分析以查看每个相位的频率内容以及事件前噪声。 用户还可以进入 hodogram 分析来查看相位的极化。 这对于检查拾取的 P 波和 S 波相位是否正交极化，以及计算检测到的事件的后方位角（使用 P 波极化）特别有用。 Seis_Pick 还提供了许多其他信号处理设施，包括带通滤波器或使用事件前噪声创建陷波滤波器的预测滤波器。 Seis_Pick已作为BUMPS（

用于微震事件地震数据拾取，matlab程序编写，由于微震事件拾取

Numerical Methods of Exploration Seismology_ With Algorithms in MATLAB (2019)