融合部分卷积和注意力机制对抗网络模型的地震数据重建

作者：冯永基; 陈学华

来源：石油地球物理勘探, 2023, 58(01): 21-30.

DOI：10.13810/j.cnki.issn.1000-7210.2023.01.002

• 部分卷积
• 注意力机制
• 生成对抗网络
• 数据重建
• 余弦距离

以生成对抗网络(GAN)为代表的深度学习模型在地震数据重建中取得了较好效果，但普通GAN网络的重建结果常存在模糊、假频等缺点。主要原因是：普通卷积模型在对缺失较大的数据进行卷积时，其卷积结果主要受缺失区域的影响，而有效区域的影响较小；且普通卷积模型属于局部操作，卷积结果主要受卷积核内数据的影响，而相距较远的数据对其影响甚微。为此，文中提出了融合部分卷积和注意力模型的改进GAN网络。首先，在卷积过程中引入一个比例因子r实现部分卷积，从而强化有效区域对卷积结果的影响；然后，利用注意力机制选择余弦相似度高的有效(背景)数据，以突破卷积距离的限制，使更多背景数据参与缺失区域的重建。数据处理结果表明，所提方法显著改善了重建数据中的模糊、假频等现象。

• 单位
  成都理工大学; 油气藏地质及开发工程国家重点实验室