基于深度卷积生成对抗网络的地震初至拾取

摘要：

地震记录初至拾取质量往往受限于地震数据的复杂性,在陆地和浅海地震数据中尤为明显.为了更高效地拾取初至,提出了一种基于深度卷积生成对抗网络(DCGAN)的地震数据初至拾取方法,其关键在于构建一个适用于地震数据初至拾取的DC-GAN,包含生成器与判别器两部分.生成器由一个全卷积神经网络(FCN)构成,用于学习地震炮集数据到初至波之间的特征映射;判别器由一个卷积神经网络(CNN)构成,用于辅助生成器训练.基于DCGAN的初至拾取方法的实现分为三步:数据预处理、网络训练和预测拾取.通过对不同卷积层数的网络结构的对比分析,确定了一个最优的DCGAN结构.一旦DCGAN的训练完成,利用其完成一炮地震数据的初至拾取仅需几秒的时间.将DCGAN方法应用于实际数据初至拾取并与现有初至拾取方法(如长短时窗比(STA/LTA)法和峰度赤池信息量准则(AIC)法)的拾取结果相比较,结果表明基于DCGAN的初至拾取方法的精度更高,能满足生产需要.

关键词：生成对抗网络、卷积神经网络、深度学习、地震数据、初至拾取、网络结构、全卷积神经网络、网络训练

所属期刊栏目：59

分类号：P631

资助基金：中国石油化工股份有限公司科研项目PE19007-6

在线出版日期：2020-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：795-803