基于U-Net卷积神经网络的稀疏地震道速度拾取方法
作者单位：西安交通大学数学与统计学院
会议名称：《中国石油学会2021年物探技术研讨会》
会议日期：2021年
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]
摘 要：传统的速度拾取方法要求获得的道集具有足够密集的空间采样,以获得较为清晰的速度谱供地震数据处理员迅速并准确地拾取时间-速度对,但对于卷积神经网络（CNN）而言,由于其在特征提取方面的优势,即使是稀疏的空间采样也能获得较为准确的拾取结果。本文将速度拾取看成图像分割问题,用基于U-net架构的CNN对不同稀疏程度的合成数据生成的速度谱进行图像分割,在随机缺失75%,50%,25%地震道的情况下,都获得了较好的拾取效果。此外,本文还对实际数据进行了迁移学习,选择每个道集所含地震道数量较少的阿拉斯加数据进行速度拾取,也达到了较为准确的拾取效果。