基于UNet+GRU深度学习方法提高叠后地震资料分辨率

作     者：郭爱华 路鹏飞 王丹丹 吴吉忠 陈晓 彭怀宇 蒋书豪 Guo Ai-Hua;Lu Peng-Fei;Wang Dan-Dan;Wu Ji-zhong;Chen Xiao;Peng Huai-Yu;Jiang Shu-Hao

作者机构：东华理工大学信息工程学院江西南昌330013 华北油田第一采油厂地质研究所河北任丘062550 东北石油大学河北秦皇岛066000 东华理工大学地球物理与测控技术学院江西南昌330013 

出 版 物：《Applied Geophysics》 (应用地球物理（英文版）)

年 卷 期：2023年第20卷第2期

页      面：176-185,241页

核心收录：

学科分类：081801[工学-矿产普查与勘探] 08[工学] 081104[工学-模式识别与智能系统] 0818[工学-地质资源与地质工程] 0708[理学-地球物理学] 0811[工学-控制科学与工程] 

基　　金：supported by the Open Fund project of Jiangxi Research Center of Nuclear Geoscience Data Science and Systems Engineering Technology“Research on intelligent recognition method of low-order fault based on V-net deep learning architecture”(JETRCNGDSS202205) “Study on the method of identifying the superior reservoir of tight sandstone based on depth learning”(JETRCNGDSS202103) School-level project of the East China University of Technology“Study on the method of identifying low-order faults with geological big data”(DHBK2019222) the Ministry of Education 2021 the first batch of industry-university collaboration projects(202101185011). 

主　　题：叠后地震数据 测井数据 提高分辨率 深度学习 UNet GRU 

摘      要：现有的地震资料提频方法大部分都有各自的局限性,根据已有方法的优缺点,本文尝试将深度学习技术应用到提高地震资料分辨率中。首先,在UNet深度学习方法的基础上,井震结合,以测井声波时差和密度曲线建立合成地震记录,以井上合成地震记录为标签,以井旁地震道数据为输入数据,建立井旁地震道数据与井上合成地震记录的训练模型,用来提高地震资料的中高频信息;其次,利用GRU实现原始地震记录中低频趋势的保留,将UNet和GRU结果组合在一起,实现既提高了中高频信息又保护了地震数据中的低频信息;然后开展模型训练,将模型应用到三维地震数据体上开展计算,提高地震资料分辨率。相对以往方法,提取出的信息更加丰富。通过理论模型和实际数据应用,表明本文方法在提高叠后地震资料分辨率方面有效。