基于预测神经网络的地球物理增强地震成像
图像与视频处理
2019-10-08 v2 机器学习
地球物理
机器学习
摘要
我们提出了一种预测神经网络架构，可用于更新参考速度模型作为全波形反演的输入。我们探索了深度学习模型，以在盐丘易发育环境中的三维地震体处理过程中增强速度建模工作流。具体而言，设计了一种具有三维卷积、反卷积层和三维最大池化的神经网络架构，以标准振幅三维地震体作为输入。通过生成对抗网络的数据增强和加权损失函数使网络能够用少量稀疏标注切片进行训练。还应用了批量归一化以实现更快收敛。通过多个模型预测的集成生成了盐体和包体的三维概率体以降低方差。由所提网络推断的速度模型为全波形反演正演模型提供了以更接近真实模型的初始条件更快收敛的机会。此外，在每次迭代步骤中，由所提网络推断的盐体和包体的概率体可用作全波形反演正演建模中的正则化项，从而可能改进速度模型估计，同时地震偏移的输出可用作后续迭代中三维神经网络的输入。
引用
@article{arxiv.1908.03973,
title = {Enhanced Seismic Imaging with Predictive Neural Networks for Geophysics},
author = {Ping Lu and Yanyan Zhang and Jianxiong Chen and Yuan Xiao and George Zhao},
journal= {arXiv preprint arXiv:1908.03973},
year = {2019}
}