基于卷积神经网络的倾角域弹性波逆时偏移噪声压制方法

• 作者: 张浩 冯兴强 付昌 孙辉 王晓毅 芦永明
• 来源期刊: 石油物探
• 关键词: 弹性波逆时偏移 倾角道集 噪声压制 卷积神经网络 深度学习 道集切除
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 376-384
• 页数: 9页
• 分类号: P631
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2021.03.003

摘要

相比传统的声波逆时偏移方法,弹性波逆时偏移(ERT M)可以提供更多地下结构的物理信息,然而其偏移中的串扰噪声及各种非物理噪声严重降低了成像质量.为了获得更高分辨率的地震成像,介绍了一种在ERT M生成的倾角域成像道集上使用卷积神经网络(CNN)估计叠加孔径,实现稳相叠加从而压制偏移噪声的方法.该方法通过在倾角域识别主要的反射波能量,剔除对成像贡献不大的部分,从而压制了偏移中的各种噪声,提高了ERTM成像质量.CNN是一个端到端的深度学习过程,一旦网络经过训练得到适合权系数和偏置,可以替代人工实现自动拾取.BGP盐丘模型数据和SEG起伏地表模型数据测试结果表明:利用CNN实现自动拾取的算法在只对少量道集拾取并作为标签数据,对神经网络训练后,可较好实现海量道集的自动拾取.基于CNN的倾角域弹性波逆时偏移噪声压制方法效果好、效率高.