基于全连接张量网络分解的五维地震数据重建

作者：许月娇; 徐婉婷; 陈兴荣^*

来源：工程地球物理学报, 2023, 20(03): 402-410.

• 低秩重建
• 5D地震数据
• 张量分解

三维地震数据采集方位已达到了五维(5-Dimension, 5D)。相比于常规的三维(3-Dimension, 3D)重建，5D重建能够充分利用高维数据中不同方位角、偏移距等的相关特性以及更多的空间信息特点，更准确地预测缺失道。基于阻尼降秩(Damped Rank Reduction, DRR)等的矩阵降秩方法对由5D数据频率切片构成的块Hankel矩阵进行多次奇异值分解(Singular Value Decomposition, SVD),计算效率较低。基于高阶正交迭代(High Order Orthogonal Iteration, HOOI)等的张量降秩方法对频率切片4D张量进行降秩重建，但是在强噪声和高缺失情况下重建精度不高。本文采用全连接张量网络(Fully Connected Tensor Network, FCTN)分解方法对5D数据重建，将频率切片4D张量分解成低维度张量收缩的形式。该方法无需SVD运算，而且更精确的张量分解形式可以得到更高精度的重建结果。仿真和真实地震数据实验结果表明：相比于HOOI方法，重建数据的信噪比提高了约8～9 dB;相比于DRR方法，重建数据的信噪比提高了约6～7 dB。