10.13810/j.cnki.issn.1000-7210.2023.01.002
融合部分卷积和注意力机制对抗网络模型的地震数据重建
以生成对抗网络(GAN)为代表的深度学习模型在地震数据重建中取得了较好效果,但普通GAN网络的重建结果常存在模糊、假频等缺点.主要原因是:普通卷积模型在对缺失较大的数据进行卷积时,其卷积结果主要受缺失区域的影响,而有效区域的影响较小;且普通卷积模型属于局部操作.,卷积结果主要受卷积核内数据的影响,而相距较远的数据对其影响甚微.为此,文中提出了融合部分卷积和注意力模型的改进GAN网络.首先,在卷积过程中引入一个比例因子 r实现部分卷积,从而强化有效区域对卷积结果的影响;然后,利用注意力机制选择余弦相似度高的有效(背景)数据,以突破卷积距离的限制,使更多背景数据参与缺失区域的重建.数据处理结果表明,所提方法显著改善了重建数据中的模糊、假频等现象.
部分卷积、注意力机制、生成对抗网络、数据重建、余弦距离
58
P631
国家自然科学基金;含流体弱能量暗点储层的地震识别机理与方法;中央引导地方科技发展资金项目
2023-03-21(万方平台首次上网日期,不代表论文的发表时间)
共10页
21-30