| 基于倾角道集与深度学习的地层倾角提取技术及应用研究 |
| |
| 引用本文： | 王晨源,陈娟,张雅雯,张江杰.基于倾角道集与深度学习的地层倾角提取技术及应用研究[J].地球物理学报,2023(8):3403-3412. |
| |
| 作者姓名： | 王晨源 陈娟 张雅雯 张江杰 |
| |
| 作者单位： | 1. 中国科学院地质与地球物理研究所中国科学院油气资源研究重点实验室;2. 中国科学院地球科学研究院;3. 中国科学院大学;4. 中石油长庆油田分公司勘探开发研究院 |
| |
| 基金项目： | 国家自然科学基金(42074158,42030802)资助； |
| |
| 摘 要： | 近年来新兴的多种地震数据处理和解释技术都需要倾角作为先验信息，传统的倾角估计方法大都依赖成像剖面，这些方法不可避免地会受到成像质量的影响，而且空间倾角的三维估计更是依赖于多条线形成的成像体.二元倾角道集因其椭圆形反射波位置对三维倾角具有指示性的特点，可以用作对倾角的估计，这样不仅能避免低质量成像剖面带来的影响，同时也能够实现仅依赖一条成像线道集的三维倾角估计.然而该方法会消耗大量人力和时间并且其结果也依赖处理人员经验.二元倾角道集在一个工区中数量庞大，可以为数据驱动特征提取的深度学习算法提供样本支持，因此本文在二元倾角道集的基础上引入深度学习算法，提出一种基于改进二元倾角道集和VGG神经网络的倾角提取技术，实现倾角的自动估计，并将倾角应用于菲涅尔带相关孔径的估计中，最后通过某工区实际数据验证对倾角估计的准确性和网络的泛化性能，再将孔径用于稳相偏移来验证倾角在实际数据中应用的有效性.
|
| 关 键 词： | 地层倾角 倾角道集 神经网络 菲涅尔带 |
|
