地震去混合的混合方法：当物理遇见自监督

为限制地震数据采集所需的时间、成本与环境影响，近几十年来人们在所谓的同时震源采集中投入了大量努力，即地震源以彼此很短的时间间隔激发。其后果是，连续炮产生的波在地震记录中相互纠缠，形成所谓的混合数据。为进行处理和成像，必须恢复每个单独炮所生成的数据。这一称为去混合（deblending）的过程通过求解一个严重欠定的逆问题来实现。传统方法依赖于将混合噪声转换为突发状噪声的变换，同时保留感兴趣的信号。随后施加压缩感知类型的正则化，其中假设感兴趣信号在某一域中具有稀疏性。所选域取决于采集的几何形态以及地震数据在该域中的性质。在本工作中，我们引入一种新概念，即将自监督去噪网络嵌入即插即用（Plug-and-Play, PnP）框架中。我们提出了一种新网络，其设计将[28]的盲点（blind-spot）网络架构扩展至部分相干噪声（即时间上相关）。该网络随后在PnP算法的每一步直接在有噪输入数据上训练。通过利用问题的底层物理以及我们盲点网络强大的去噪能力，所提算法被证明优于一种工业标准方法，且在计算成本上与之相当。此外，由于与采集几何无关，我们的方法可轻松应用于海上与陆地数据而无需任何显著修改。