基于稀疏变换与CNN网络的高缺失率地震数据重建方法技术

本申请提供了一种基于稀疏变换与CNN网络的高缺失率地震数据重建方法，涉及地震信号处理领域，方法包括：获取原始高缺失观测数据；基于稀疏变换与卷积神经网络，构建CNN‑FFT网络；所述CNN‑FFT网络包括：数据对构建模块、预补全模块、CNN精细化模块、FFT先验模块以及融合模块；通过原始高缺失观测数据，对CNN‑FFT网络进行训练；获取待重建的高缺失率观测数据；通过训练后的CNN‑FFT网络对高缺失率观测数据进行重建，得到高质量恢复结果。本发明专利技术技术方案能实现高缺失地震数据的高精度重建。

【技术实现步骤摘要】

本申请涉及地震信号处理领域，尤其涉及一种基于稀疏变换与cnn网络的高缺失率地震数据重建方法。

技术介绍

1、地震勘探通过野外可控震源激发地震波、地表检波器接收反射信号，并结合数据处理与成像技术重建地下介质的构造与物性参数。理想状况下，地震记录在时间和空间上都应规则、连续且全覆盖。然而实际采集过程中，地形障碍、检波器损坏以及经济成本等因素常使震源或检波器难以等距布设，导致出现数据缺失；海底节点勘探又因成本考量而采用密集激发与稀疏接收相结合的方式，进一步导致采样稀疏。同时，将不规则的源-检波器域数据映射到中点-偏移距域时，也会产生大量数据缺失，严重影响成像质量。

2、为重建缺失道，学术界与工业界陆续提出多种方法。传统的地震数据重建方法多依赖地震数据的物理先验，具有较好的适应性。预测滤波方法依托地震剖面中有限线性同相轴的局部可预测性，在滑动窗口内估计卷积预测滤波器插补缺失道；波动方程技术则基于近似速度模型进行前向建模，以速度信息为约束指导重建，但对速度精度高度敏感且计算量较大。低秩近似技术将地震数据转化为 hankel 或块矩阵，利用完整采样数据的低本文档来自技高网...

【技术保护点】

1.一种基于稀疏变换与CNN网络的高缺失率地震数据重建方法，其特征在于，方法包括以下步骤：

2.如权利要求1所述的一种基于稀疏变换与CNN网络的高缺失率地震数据重建方法，其特征在于，所述数据对构建模块用于对原始高缺失观测数据进行处理，构建自监督训练对；

3.如权利要求2所述的一种基于稀疏变换与CNN网络的高缺失率地震数据重建方法，其特征在于，所述预补全模块用于生成的输入数据进行初步修复，生成预补后的结果；

4.如权利要求3所述的一种基于稀疏变换与CNN网络的高缺失率地震数据重建方法，其特征在于，所述CNN精细化模块用于通过多层轻量化 U-Net对预补后...

【技术特征摘要】

1.一种基于稀疏变换与cnn网络的高缺失率地震数据重建方法，其特征在于，方法包括以下步骤：

2.如权利要求1所述的一种基于稀疏变换与cnn网络的高缺失率地震数据重建方法，其特征在于，所述数据对构建模块用于对原始高缺失观测数据进行处理，构建自监督训练对；

3.如权利要求2所述的一种基于稀疏变换与cnn网络的高缺失率地震数据重建方法，其特征在于，所述预补全模块用于生成的输入数据进行初步修复，生成预补后的结果；

4.如权利要求3所述的一种基于稀疏变换与cnn网络的高缺失率地震数据重建方法，其特征在于，所述cnn精细化模块用于通过多层轻量化 u-net对预补后的结果进行细粒度卷积，强化结构纹理和弱反射信息，生成细化结果。

5.如权利要求4所述的一种基于稀疏变换与cnn网络的高缺失率地震数据重建方法，其特征在于，所述fft先验模块的第级fft分支中内嵌一个小循环迭代机制，以频域稀疏约束为核心进行多轮频谱优化，并在每...

【专利技术属性】
技术研发人员：高伟，付丽华，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：