基于压缩感知和深度学习的地震数据重建方法研究

【作者】 金成玫； 龚新月； 陈生昌；

【机构】 浙江大学地球科学学院；

【摘要】 针对于日益复杂的勘探环境所带来的地震数据不完整不规则使得地震数据重建结果不精确的问题,提出了一种基于压缩感知和深度学习的地震数据重建方法。首先利用地震信号在Fourier变换域或Shearlet变换域内的稀疏性,在压缩感知框架下对数据进行预处理,随后将预处理后的结果作为网络的输入数据,将完整的地震数据作为标签数据,利用卷积神经网络实现地震数据端到端的重建,最后利用训练后的网络模型获得最终重建结果。通过合成地震数据和实际地震数据的数值试验验证基于压缩感知和深度学习的地震数据重建方法的有效性,试验结果表明,在采样率相同的情况下,结合压缩感知和深度学习的重建方法相比于压缩感知的重建方法和深度学习的重建方法能够更有效地恢复出缺失的数据信息,具有更小的重建误差,在数据大量缺失的情况下也能够表现出很好的性能。更多还原