基于深度学习的地震速度谱自动拾取研究

摘要：

在常规的地震数据处理工作流程中,人工拾取地震速度谱中的叠加速度存在耗时长、效率低的问题,且容易受到人为经验的影响.本文基于目标检测的方法,应用改进后的FCOS(Fully Convolutional One-Stage Object Detection)神经网络模型实现速度谱中叠加速度的自动拾取.该方法将速度谱图像作为输入,经模型训练后输出"时间-速度"对序列.在处理低信噪比工区数据时,针对速度谱能量团聚焦特征较差的特点加入基于深度神经网络(Deep Neural Network,DNN)的线性回归模型以拟合出全局速度曲线.Marmousi模型数据和实际工区数据测试结果表明,本文所设计的地震速度谱自动拾取模型准确性较高、鲁棒性强,有效地缓解了人工拾取的负担,在保证速度拾取精度的同时显著地提高了效率.

关键词：速度谱、自动拾取、深度学习、FCOS、DNN

所属期刊栏目：65

分类号：P631

资助基金：中国石油集团关键核心技术攻关项目2021ZG03

在线出版日期：2023-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：4832-4845