基于生成对抗网络的地震数据插值

发布时间：2022-08-10 10:23

　　由于自然环境和经济条件的限制,野外采集到的地震数据经常含有一定的缺失。缺失数据的出现将严重影响后续资料的处理以及最终的资料解释。地震数据插值即是对地震数据中缺失数据进行重建的过程,是地震数据处理中的重要环节。传统地震数据插值技术一般基于某种假设进行,如假设数据满足线性性或稀疏性等。深度学习是近年来应用广泛的计算机技术,它从数据本身出发,通过构建深层网络模型,运用反向传播算法学习和提取数据的特征,最后应用于数据预测。本文基于深度学习中生成对抗网络,通过对损失函数和模型结构的适当改进,实现了基于生成对抗网络的地震数据插值,提高了插值的智能化水平。首先运用Wasserstein距离与插值误差之和作为损失函数,引入了基于Wasserstein生成对抗网络的地震数据插值算法。通过大量模拟地震数据和实际地震数据检验了算法对不同采样形式下地震数据的插值效果。其中对于随机采样数据,算法能大致拟合数据分布,但连续缺失区域数据重建误差较大,部分假频未能完全去除。规则采样时,算法在数据的拟合程度和假频的去除方面都表现出优越的性能,但在数据边界处重建误差较大,产生有一定的虚假边界。最后通过在模型中引入条件机制... 

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题来源及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 地震数据插值算法研究现状
        1.2.2 生成对抗网络研究现状
    1.3 本文的主要研究内容
第2章 基本理论与工作准备
    2.1 引言
    2.2 地震数据采集与处理
        2.2.1 地震数据采集
        2.2.2 地震数据处理
        2.2.3 地震数据采样
    2.3 生成对抗网络
        2.3.1 卷积神经网络基本结构
        2.3.2 生成对抗网络基本理论
    2.4 数据集准备与评价指标
        2.4.1 数据集准备
        2.4.2 评价指标
    2.5 本章小结
第3章 基于生成对抗网络的地震数据插值
    3.1 引言
    3.2 Wasserstein生成对抗网络插值算法理论
        3.2.1 Wasserstein生成对抗网络基本理论
        3.2.2 基于Wasserstein生成对抗网络的地震数据插值算法
    3.3 实验结果
        3.3.1 随机采样地震数据插值
        3.3.2 规则采样地震数据插值
        3.3.3 实际地震数据插值
    3.4 本章小结
第4章 基于条件生成对抗网络的地震数据插值
    4.1 引言
    4.2 条件Wasserstein生成对抗网络插值算法理论
    4.3 实验结果
        4.3.1 随机采样地震数据插值
        4.3.2 规则采样地震数据插值
        4.3.3 实际地震数据插值
    4.4 本章小结
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]基于学习型超完备字典的地震数据去噪(英文)[J]. 唐刚,马坚伟,杨慧珠.  Applied Geophysics. 2012(01)
[2]F-K域抗假频道内插[J]. 宜明理,严又生,魏新,吕德林,汪德雯.  石油物探. 2001(02)

硕士论文
[1]曲波变换在地震信号处理中的应用研究[D]. 隋成兴.长安大学 2014



本文编号：3673465