地震反演的联合学习：以声阻抗估计为例
图像与视频处理
2020-06-30 v1 地球物理
摘要
地震反演帮助地球物理学家建立准确的储层模型以用于勘探和生产。基于深度学习的地震反演通过训练神经网络利用测井数据作为标签来学习从地震数据到岩石属性的映射。然而，由于钻井成本高，测井数据数量往往非常有限。若基于有限数据训练，机器学习模型可能出现过拟合和泛化能力差的问题。在此情况下，来自其他勘测的测井数据可提供亟需的有用信息以改善泛化。我们提出一种学习方案，同时训练两种网络架构，各自在不同数据集上训练。通过对两网络间权重相似性施加软约束，使它们在有益处时相互学习，以在各自数据集上获得更好的泛化性能。使用不到 3 的可用训练数据，借助与 Marmousi 数据集的联合学习，我们在 SEAM 数据集的声阻抗伪测井上取得了 0.8399 的平均 系数。
引用
@article{arxiv.2006.15474,
title = {Joint Learning for Seismic Inversion: An Acoustic Impedance Estimation Case Study},
author = {Ahmad Mustafa and Ghassan AlRegib},
journal= {arXiv preprint arXiv:2006.15474},
year = {2020}
}