应用小波通道注意力网络的地震数据重建方法

作     者：刘沛 王长鹏 董安国 张春霞 张讲社 LIU Pei;WANG Changpeng;DONG Anguo;ZHANG Chunxia;ZHANG Jiangshe

作者机构：长安大学理学院陕西西安710064 西安交通大学数学与统计学院陕西西安710049 

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

年 卷 期：2024年第59卷第1期

页      面：31-37页

核心收录：

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家自然科学基金项目“贝叶斯低秩矩阵分解算法研究”(12001057) 中央高校基本科研业务费专项资金项目“多模态异质人脸识别问题研究”(300102122101) 陕西省重点产业创新链项目“公共安全领域多源异构数据融合平台关键技术及示范应用”(2020ZDLGY09‑09)联合资助 

主　　题：地震数据重建 随机缺失 深度学习 哈尔小波变换 高效通道注意力 

摘      要：重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而,这些方法中常用的卷积运算只能捕捉到地震数据的局部特征,没有充分利用全局信息。另外,池化操作也会造成特征图信息的丢失,从而破坏地震反射的细节特征。为此,提出了基于小波通道注意力网络的地震数据重建方法。哈尔(Haar)小波变换能够有效提取信号的多尺度特征,并在上采样过程中避免信息的丢失;高效通道注意力模块通过对不同通道特征图之间的相关性进行建模,能实现全局信息的充分利用。合成和实际地震数据的实验结果表明,与具有代表性的深度学习方法相比,文中所提出的网络模型可以产生更准确的重建结果。