地面多分量地震数据P/S波分离的深度学习方法 |
| |
引用本文: | 黄河,王腾飞,程玖兵,熊一能,朱峰.地面多分量地震数据P/S波分离的深度学习方法[J].地球物理学报,2023(3):1205-1219. |
| |
作者姓名: | 黄河 王腾飞 程玖兵 熊一能 朱峰 |
| |
作者单位: | 1. 页岩油气富集机理与有效开发国家重点实验室;2. 中国石化弹性波理论与探测技术重点实验室;3. 同济大学海洋与地球科学学院 |
| |
基金项目: | 国家自然科学基金项目(42074157);;上海市自然科学基金面上项目(22ZR1465200); |
| |
摘 要: | 多分量地震记录P/S波分离是多波地震数据处理的关键技术环节.常规方法大多依据两种波模式视速度或偏振特征的差异,基于信号分析或偏振投影实现模式解耦.在许多实际的地震-地质条件下,这些基于信号特征假设或表层参数模型的P/S波分离方法往往不太有效.为此,本文将各向同性介质条件下的地面多分量地震数据P/S波分离视为非线性的逐点预测问题,借助深度神经网络强大的特征提取能力进行求解.以国际标准模型为基础,提出了创建弹性参数样本库和P/S波分离标签数据集的有效方法.实验表明,丰富的训练样本保证了深度神经网络的泛化性能,在测试数据体上取得了明显优于经典的偏振投影分离方法的处理效果,而且摆脱了对表层介质参数的依赖性,为多分量地震数据反射PP波和PS波成像提供了有效的技术支撑.
|
关 键 词: | 多分量地震勘探 P/S波分离 深度学习 卷积神经网络 数据增广 |
|