基于注意力机制U-Net的复杂地表地震初至拾取方法

作     者：李闻达 刘洪 吴天麒 LI WenDa;LIU Hong;WU TianQi

作者机构：中国科学院地质与地球物理研究所北京100029 中国科学院地球科学研究院北京100029 中国科学院油气资源研究院重点实验室北京100029 中国科学院大学北京100049 中国地质大学(北京)北京100083 

出 版 物：《地球物理学报》 (Chinese Journal of Geophysics)

年 卷 期：2024年第67卷第10期

页      面：3891-3903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：国家重点研发计划(2022YFB3904601,2021YFA0716901) 中国博士后科学基金(GZC20232629) 国家自然科学基金面上项目(42174160) 第74批博士后基金面上项目联合资助 

主　　题：初至拾取 注意力机制 复杂近地表 

摘      要：地震数据的初至拾取是近地表初至波反演、静校正等工作的基础,是后续地震数据处理中不可或缺的一部分.随着地震数据量的不断增加,近地表条件更为复杂,信噪比越来越低,传统的自动拾取方法逐渐无法满足海量的拾取任务,需要大量的人工校正工作.因此需要一种更为精确的地震数据自动初至拾取方法.本文的贡献主要有以下几点.本文提出将一个注意力机制的U-Net网络应用于信噪比低、强近地表干扰的地区的初至拾取方法.首先将注意力门结构加入到一个标准的U-Net模型中,逐步抑制不相关的背景部分特征,提升拾取的准确性.其次本文提出使用地震波形数据与能量表象(Energy Semblance,ES)作为双通道数据体,可以使U-Net不仅关注相位信息,而且关注到初至的能量属性.此外,我们使用单通道的0-1标签作为网络的输出,可以大大缓解标签值分布不均衡的问题,提升预测精度.最后我们提出构建复杂近地表特征的合成数据集,包含复杂初至特征及复杂非均匀噪声的样本,验证方法的鲁棒性,并证明Dice-loss函数可以提升拾取精度.本文提出的方法对于强噪声干扰、缺道坏道及复杂近地表情况均有良好的适应性.