基于混合网络U-SegNet的地震初至自动拾取

• 作者: 常德宽 李冬 李海山 杨午阳 陈德武 魏新建
• 来源期刊: 石油地球物理勘探
• 关键词: 地震初至 拾取 深度学习 U-Net SegNet U-SegNet
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能地球物理
• 页码范围: 1188-1201
• 页数: 14页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.06.003

摘要

传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低.为此,将U-Net与SegNet深度学习网络的优点相结合,构建新的混合网络U-SegNet,并基于U-SegNet自动拾取初至.U-SegNet以SegNet结构为基础,通过在解码器网络的反卷积层之前融合跳跃连接信息,提供编码器网络的多尺度信息,以获得更好的性能,并且其上采样操作将U-Net中的反卷积改为反池化,池化索引被传递到上采样层,网络模型收敛更快.因此,U-SegNet网络结构更利于分割背景噪声区域和含噪信号区域,从而提高初至拾取精度.基于U-SegNet的初至自动拾取流程包括制作训练数据集、设计网络模型、训练网络模型、测试网络模型和实际资料应用.测试和应用结果表明,所提方法的初至拾取效率约为某商业软件的2.2倍,且易于工业化应用,具有良好的发展前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨午阳		44	569	15.0	23.0
2	李冬		20	78	5.0	8.0
3	魏新建		15	36	3.0	5.0
4	陈德武		8	9	2.0	3.0
5	李海山		14	83	5.0	9.0
6	常德宽		5	22	2.0	4.0