基于深度学习的子波整形反褶积方法

作     者：倪文军 刘少勇 王丽萍 韩冰凯 盛燊 Ni Wenjun;Liu Shaoyong;Wang Liping;Han Bingkai;Sheng Shen

作者机构：中国地质大学(武汉)地球物理与空间信息学院湖北武汉430074 同济大学海洋与地球科学学院上海200092 

基　　金：国家自然科学基金项目“基于非平稳滤波算子的最小二乘反射系数估计及宽带波阻抗成像”(41974125) 中石化地球物理重点实验室项目“数据驱动的像域地震数据高保真高分辨处理”(36750000-23-FW0399-0003)资助 

出 版 物：《石油地球物理勘探》 (Oil Geophysical Prospecting)

年 卷 期：2023年第58卷第6期

页      码：1313-1321页

摘      要：地震数据偏移成像是地下介质反射系数估计的重要方法之一,其结果通常受子波影响而波数带展布有限。有效拓展成像结果的波数带、提高空间分辨率是宽带反射系数估计的一个重要目的。为此,首先从反演成像的角度分析,指出子波和观测系统照明是影响成像结果分辨率的两个主要因素;其次,基于卷积神经网络(CNN),利用宽频子波构建标签,将常规成像结果作为输入,利用CNN挖掘其中的映射关系,提出了相应的深度学习算法子波整形反褶积方法;然后,针对反褶积中初始子波估计不准确的问题,设计了子波与反射系数串联、迭代、更新的实现方案,定制的宽频子波能兼顾低波数和高波数信息,用于训练网络时可以更好地恢复宽带的反射系数;最后,利用已知模型进行网络的预训练,将基于目标数据体提取的有效子波作为靶区数据反褶积的初始子波,进行子波整形反褶积处理,并通过薄层模型测试了该方法的正确性和可靠性。实际资料处理结果表明了该方法具有较好的应用潜力。

主 题 词：图像反褶积 子波 卷积神经网络 深度学习 

学科分类：081801[081801] 081802[081802] 08[工学] 0818[工学-交通运输类] 

核心收录：

D　O　I：10.13810/j.cnki.issn.1000-7210.2023.06.002

馆 藏 号：203124782...