基于深度学习的地震波逆时偏移补偿方法

• 作者: 韩连福 柴子威 宋利伟 刘兴斌 付长凤
• 来源期刊: 测井技术
• 关键词: 地震勘探 逆时偏移 循环生成对抗网络 注意力机制 补偿 深度学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 解释评价
• 页码范围: 109-113
• 页数: 4页
• 分类号: P631.84
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2022.01.018

摘要

逆时偏移作为重要的地震偏移技术,已经成为复杂构造成像的有力工具。地下构造的强衰减体引起地震波振幅减弱和相位失真,直接影响地下有效油气储层的识别精度,而现有逆时偏移补偿技术具有计算复杂、补偿精度低等不足。为优化计算、提高补偿精度,提出一种基于TensorFlow框架的地震波逆时偏移补偿方法,将传统循环生成对抗网络(CycleGAN)与注意力机制(Attention)相融合,将交叉熵损失函数与感知损失函数结合成新的损失函数,最后得到补偿后的地震波特征图。实验表明,基于深度学习的地震波逆时偏移补偿方法补偿平均误差为3.71%,低于现有基于广义S变换反Q滤波方法的平均误差为4.59%,证明了该方法对地震资料的处理与解释的可行性。