科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于实际地震资料中缺乏低频数据，使得全波形反演易陷入局部极小值，导致反演质量差，结果不可靠。为解决这一问题，本文利用数据驱动低频恢复映射思想，分别利用高通和低通滤波器从原始数据中分离出高频数据和低频数据，对其进行一系列数据预处理操作，将处理后的数据作为模型的训练集；利用U-Net网络为基础构建模型，建立高低频之间的映射关系。为了有效防止模型过拟合，本文在U-Net模型基础上添加了Dropout层和批处理层。利用训练后的模型从高频数据中预测对应低频数据并进行逆数据预处理，对比分析逆数据预处理后的预测低频数据和真实低频数据之间误差，并利用多尺度全波形反演在洼陷模型和Marmousi模型进行有效性验证。实验结果表明：训练与测试数据的预测低频与真实低频数据的平均相对误差为5.02%和13.32%,误差较小，数据吻合良好；洼陷模型、Marmousi模型以及实际数据的反演结果表明加入预测低频后反演质量得到显著提高，并且对处理含较大噪声的数据也有很好的效果。
- 出版日期2023
- 单位东北石油大学; 现代教育技术中心
