基于深度地震先验利用卷积神经网络重建地震数据
机器学习
2019-11-21 v1 数据分析、统计与概率
机器学习
摘要
缺失道地震数据的重建是地震数据处理中的一个长期问题。近年来,秩减运算常被用于克服该问题,其需要将地震数据的秩作为先验。然而,野外数据的秩未知;通常需耗费大量时间手动调整秩而仅获得近似秩。基于深度学习的方法需要非常大规模的数据集进行训练;但由于实际中的物理或资金限制,获取大规模数据集十分困难。因此,本工作中我们开发了一种基于无监督学习的新方法,利用称为 U-net 的卷积神经网络的内在特性,无需训练数据集。仅需一个欠采样地震数据,网络本身即可利用输入数据的深度地震先验,从而使重建变得便捷。此外,该方法可处理不规则与规则地震数据。我们测试了合成与野外数据以评估所提算法(DSPRecon 算法)的性能;通过与用于不规则数据重建的奇异谱分析(SSA)方法及用于规则数据重建的去混叠 Cadzow 方法比较,评价了使用我们方法的优势。实验结果表明,我们的方法提供了优于 SSA 或 Cadzow 方法的重建性能。DSPRecon 与 SSA 算法的恢复信噪比(SNR)分别为 32.68 dB 和 19.11 dB。DSPRecon 与 Cadzow 方法的相应值分别为 35.91 dB 和 15.32 dB。
引用
@article{arxiv.1911.08784,
title = {Deep-seismic-prior-based reconstruction of seismic data using convolutional neural networks},
author = {Qun Liu and Lihua Fu and Meng Zhang},
journal= {arXiv preprint arXiv:1911.08784},
year = {2019}
}
备注
5 pages,12 figures