基于深度学习的地震波逆时偏移补偿方法

作者：韩连福; 柴子威; 宋利伟; 刘兴斌; 付长凤

来源：测井技术, 2022, 46(01): 109-113.

DOI：10.16489/j.issn.1004-1338.2022.01.018

• 地震勘探
• 逆时偏移
• 循环生成对抗网络
• 注意力机制
• 补偿
• 深度学习

逆时偏移作为重要的地震偏移技术，已经成为复杂构造成像的有力工具。地下构造的强衰减体引起地震波振幅减弱和相位失真，直接影响地下有效油气储层的识别精度，而现有逆时偏移补偿技术具有计算复杂、补偿精度低等不足。为优化计算、提高补偿精度，提出一种基于TensorFlow框架的地震波逆时偏移补偿方法，将传统循环生成对抗网络(CycleGAN)与注意力机制(Attention)相融合，将交叉熵损失函数与感知损失函数结合成新的损失函数，最后得到补偿后的地震波特征图。实验表明，基于深度学习的地震波逆时偏移补偿方法补偿平均误差为3.71%,低于现有基于广义S变换反Q滤波方法的平均误差为4.59%,证明了该方法对地震资料的处理与解释的可行性。

• 单位
  电子工程学院; 东北石油大学