基于深度学习的地震数据去噪和重建方法的研究

发布时间：2021-03-14 09:32

　　随着油气勘探开发程度的不断提高,地震勘探的对象正在从构造油气藏逐步转向岩性油气藏,因此需要依靠高信噪比、高分辨率和高保真度的地震数据来刻画地下含油气藏构造的精细结构。日益复杂的勘探环境常常使得所采集到的地震数据是不完整或不规则的,并被各种随机噪声污染,而数据中的噪声和数据的不完整性会影响后续数据处理的保真度、分辨率和信噪比,进而降低最终资料解释的可靠性,因此需要对地震数据进行噪声压制或重建。而常规地震数据重建方法受Nyquist采样定理的限制,往往要求数据有较高的采样率,使得数据采集成本较高;另一方面,常规去噪和重建方法通常比较依赖于地震数据的先验信息。近几年中,新兴起的深度学习在众多领域中取得非常好的表现。这种方法旨在首先让模型学习数据在不同深度的特征,然后利用训练好的模型对未知的数据进行预测。本文从地震数据去噪和重建的数学问题出发,以深度学习为理论基础,探索了统一应用于地震数据去噪和重建的数学模型。本文首先针对数值数据建立了一种简单而有效的数据预处理方法,使得神经网络取得了较好的训练和测试效果。在地震数据去噪中,首先构建了一个深度卷积神经网络,然后将含噪声数据与其对应的噪声的pat... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：131 页

【学位级别】：博士

【部分图文】：

一维卷积示例

二维卷积示例(Goodfellowetal.,2016)

运算模块

【参考文献】：
期刊论文
[1]Simultaneous Denoising and Interpolation of Seismic Data via the Deep Learning Method[J]. GAO Han,ZHANG Jie.  Earthquake Research in China. 2019(01)
[2]基于3D Curvelet变换的频率域高效地震数据插值方法研究[J]. 王本锋,陆文凯,陈小宏,王志凯.  石油物探. 2018(01)
[3]基于曲波变换的三维地震数据同时重建和噪声压制（英文）[J]. 张华,陈小宏,张落毅.  Applied Geophysics. 2017(01)
[4]基于稀疏约束的地震数据高效采集方法理论研究[J]. 王汉闯,陶春辉,陈生昌,丘磊,任浩然,周华敏.  地球物理学报. 2016(11)
[5]基于压缩感知的Curvelet域联合迭代地震数据重建[J]. 白兰淑,刘伊克,卢回忆,王一博,常旭.  地球物理学报. 2014(09)
[6]基于jitter采样和曲波变换的三维地震数据重建[J]. 张华,陈小宏.  地球物理学报. 2013(05)
[7]F-X域等道距道内插[J]. 国九英,周兴元,俞寿朋.  石油地球物理勘探. 1996(01)

博士论文
[1]基于压缩感知和稀疏表示的地震数据重建与去噪[D]. 唐刚.清华大学 2010

硕士论文
[1]基于稀疏变换的地震数据去噪方法研究[D]. 张博.浙江大学 2013



本文编号：3081919