基于深度卷积生成对抗网络的地震初至拾取

• 作者: 刘小民 周创 居兴国 李子昂
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 生成对抗网络 卷积神经网络 深度学习 地震数据 初至拾取 网络结构 全卷积神经网络 网络训练
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 处理方法技术
• 页码范围: 795-803
• 页数: 9页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2020.05.013

摘要

地震记录初至拾取质量往往受限于地震数据的复杂性,在陆地和浅海地震数据中尤为明显.为了更高效地拾取初至,提出了一种基于深度卷积生成对抗网络(DCGAN)的地震数据初至拾取方法,其关键在于构建一个适用于地震数据初至拾取的DC-GAN,包含生成器与判别器两部分.生成器由一个全卷积神经网络(FCN)构成,用于学习地震炮集数据到初至波之间的特征映射;判别器由一个卷积神经网络(CNN)构成,用于辅助生成器训练.基于DCGAN的初至拾取方法的实现分为三步:数据预处理、网络训练和预测拾取.通过对不同卷积层数的网络结构的对比分析,确定了一个最优的DCGAN结构.一旦DCGAN的训练完成,利用其完成一炮地震数据的初至拾取仅需几秒的时间.将DCGAN方法应用于实际数据初至拾取并与现有初至拾取方法(如长短时窗比(STA/LTA)法和峰度赤池信息量准则(AIC)法)的拾取结果相比较,结果表明基于DCGAN的初至拾取方法的精度更高,能满足生产需要.