| 基于门控循环单元主导的深度网络半监督地震衰减补偿方法 |
| |
| 引用本文： | 戚倩玉,高静怀,陈红灵,高照奇,黄研,陈娟,曹永亮,王建花.基于门控循环单元主导的深度网络半监督地震衰减补偿方法[J].地球物理学报,2023(7):2997-3010. |
| |
| 作者姓名： | 戚倩玉 高静怀 陈红灵 高照奇 黄研 陈娟 曹永亮 王建花 |
| |
| 作者单位： | 1. 西安交通大学电子与信息学部信息与通信工程学院;2. 海洋油气勘探国家工程研究中心;3. 中国石油天然气股份有限公司长庆油田分公司勘探开发研究院;4. 中海油研究总院有限责任公司 |
| |
| 基金项目： | 国家重点研发计划重点项目(2020YFA0713403,2020YFA0713400)； |
| |
| 摘 要： | 地震波在地下传播时存在能量衰减，呈现非平稳性，导致地震资料的分辨率降低，不利于储层刻画.为了解决这个问题，需要对地震记录进行衰减补偿来消除非平稳性.考虑到GRU(Gated Recurrent Unit)即门控循环单元在处理时间序列时具有长时和短时记忆的优势，本文构建了以GRU为主导的网络结构(简称GRU网络),提出了基于GRU网络的地震衰减补偿方法.实际地震数据处理中，测井资料往往非常有限，导致标签数据较少.为解决小样本问题，本文借鉴自编码器的思想，除井旁道和测井合成地震记录的标签外，将其余地震记录作为无标签数据引入训练，半监督地学习非平稳数据到平稳数据的非线性映射，实现了地震记录的衰减补偿.最后利用含噪合成地震记录和实际地震资料测试了本文提出的方法，证明了其有效性.
|
| 关 键 词： | 地震衰减补偿 深度学习 半监督学习 |
|
|
