基于特征强化U⁃Net的地震速度反演方法

作     者：张岩 孟德聪 宋利伟 董宏丽 ZHANG Yan;MENG Decong;SONG Liwei;DONG Hongli

作者机构：东北石油大学计算机与信息技术学院黑龙江大庆163318 东北石油大学人工智能能源研究院黑龙江大庆163318 东北石油大学物理与电子工程学院黑龙江大庆163318 

基　　金：黑龙江省自然科学基金项目“基于分布式压缩感知与大数据的复杂地震数据规则化”(LH2023D009)资助 

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

年 卷 期：2024年第59卷第2期

页      码：185-194页

摘      要：基于深度神经网络的地震速度反演方法面临的挑战是:时间域地震数据与空间域模型信息间语义映射的弱对应关系导致多解性;神经网络将地震数据映射到速度模型过程中缺少有效引导,易受噪声干扰,影响反演精度。为此,提出一种基于特征强化U‑Net的地震速度反演方法。首先,通过多炮地震数据特征叠加使输入网络的地震时间序列信号与对应速度模型之间的空间关系更加明确;其次,基于多尺度特征融合的思想设计具有不同尺寸卷积核的模块,以增强网络对有效特征的学习能力;然后,利用注意力门引导网络,增强网络重点关注的特征;最后,结合瓶颈残差和预激活的思想,在网络中加入预激活瓶颈残差,避免梯度消失和网络退化。实验表明,该方法在地震速度反演方面具有更高的精度,并在抗噪声测试中效果较好,具有一定的泛化能力。

主 题 词：地震速度反演 深度学习 注意力 多尺度 特征融合 特征强化 

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.1000‑7210.2024.02.001

馆 藏 号：203127320...