用于 P 波与 S 波分解及弹性成像应用的 CNN 调谐空间滤波器
地球物理
2021-12-22 v1
摘要
P 波和 S 波分解对于弹性介质中多分量地震数据的成像至关重要。本文提出一种数据驱动的工作流程,以获得一组在二维各向同性弹性波场中分解 P 波和 S 波时高度准确且无伪影的空间滤波器。这些滤波器最初由波数域算子的傅里叶逆变换给出,随后在卷积神经网络中调谐以提高使用合成快照的精度。空间滤波器可灵活地在任意时间步分解 P 波和 S 波,而无需对整个波场快照执行傅里叶变换,因此适用于面向目标的成像。合成数据的快照表明,与其他空间域 PS 分解方法相比,网络调谐的空间滤波器能够以改进的分解精度分解 P 波和 S 波。使用由所提算法分解的 P 波和 S 波进行的弹性逆时偏移,在存在高速率对比时显示出减少的伪影。
引用
@article{arxiv.2112.10927,
title = {CNN-tuned spatial filters for P- and S-wave decomposition and applications in elastic imaging},
author = {Wenlong Wang and Jianwei Ma and George A. McMechan},
journal= {arXiv preprint arXiv:2112.10927},
year = {2021}
}
备注
9 pages, 16 figures