一种基于多维度生成对抗神经网络的地震数据重建方法技术

本专利涉及一种基于多维度生成对抗神经网络的地震数据重建方法。其特征在于，首先，收集地震数据，并利用滑动窗口切割为n

【技术实现步骤摘要】
一种基于多维度生成对抗神经网络的地震数据重建方法


[0001]本专利技术属于地球物理与人工智能领域，具体涉及一种基于多维度生成对抗神经网络的地震数据重建方法。

技术介绍

[0002]地震数据处理是地球物理勘探中非常重要的一部分，对于有效地发现和开发油气资源、判别地下构造等具有重要意义。然而，地震数据在采集过程中常常受到噪声、缺失等干扰，导致数据质量下降，从而影响勘探结果。因此，如何对地震数据进行插值和重建，提高数据质量，是地球物理勘探领域的一个研究热点。
[0003]目前，传统的地震数据插值和重建方法主要基于线性插值、反演方法等，但这些方法存在着一定的局限性，例如无法处理复杂的地下构造等问题。近年来，深度学习和卷积神经网络的发展，为地震数据处理提供了一种新的解决方案。通过卷积神经网络对地震数据进行插值和重建，可以大大提高数据质量，同时提高地震勘探的准确性和效率。
[0004]然而，目前针对地震数据的卷积神经网络仍然存在一些问题，目前常用的2D神经网络无法处理叠前地震的共中心点叠加剖面的大范围缺失或粗糙叠加剖面的大范围复杂缺失，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维度生成对抗神经网络的地震数据重建方法，其特征在于，包括以下步骤：获取地震数据，并使用滑动窗口将其切割为n
×
n
×
n的训练样本；设计一个自动编码器结构的3D卷积神经网络生成器GA；设计一个编码器结构的3D卷积神经网络鉴别器DA；设计两个编码器结构的2D卷积神经网络鉴别器DB和DC；进行训练，随机删除训练样本中的地震道，并将剩余数据输入生成器GA，计算生成样本与原始样本的损失，训练生成器GA；固定生成器GA的参数，将生成样本输入鉴别器DA，计算生成样本与假样本标签的损失，同时将原始样本输入鉴别器DA，计算原始样本与真样本标签的损失，两个损失相加，训练鉴别器DA；固定生成器GA的参数，将生成样本沿Inline或Xline采样N个2D切片输入鉴别器DB，计算生成样本与假样本标签的损失...

【专利技术属性】
技术研发人员：李克文，窦一民，牛小楠，阳致煊，蒋衡杰，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：