用于声阻抗反演的半监督学习

深度学习在地震领域的最新应用已在反演和解释等不同方面展现出巨大潜力。一般而言，深度学习算法需要海量标注数据才能正常训练。为克服该问题，我们提出一种基于卷积与循环神经网络的声阻抗反演半监督框架。具体而言，地震道与声阻抗道被建模为时间序列。随后，一个由卷积与循环神经层构成的基于神经网络的反演模型被用于由地震数据反演声阻抗。所提工作流利用测井数据引导反演。此外，它利用一个学习到的地震正演模型来正则化训练并作为反演的地球物理约束。所提工作流在使用 20 条 AI 道进行训练时，在估计弹性阻抗与目标弹性阻抗之间取得了 98% 的平均相关系数。