基于振幅一致性残差卷积编码-解码器的不规则缺失数据重建

作     者：王志勇 刘国昌 王梓旭 郭严粮 秦晨 

作者机构：中国石油大学(北京)油气资源与工程全国重点实验室 中国石油大学(北京)海洋石油勘探国家工程实验室 中国石油大学(北京)CNPC物探重点实验室 

出 版 物：《吉林大学学报(地球科学版)》 (Journal of Jilin University(Earth Science Edition))

年 卷 期：2025年

核心收录：

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家自然科学基金(42374130,42074128) 中国石油天然气集团有限公司科技管理部项目(2022DQ0604-02) 中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项(ZLZX2020-03) 

主　　题：残差卷积编码-解码器 振幅一致性 不规则采样 数据重建 

摘      要：地震数据重建方法是地震信号处理中提高采样密度和获取完整波场信息的重要途径。野外勘探采集数据受到地表条件以及成本控制的限制，往往是不完整的或采样不规则的，因此研究不规则地震信号重建方法具有重要意义。本文基于不规则地震数据可以看作是规则完整数据的随机稀疏，两者在数据区间内数学统计分布高度一致，在稀疏域的表现具有极高相似性的假设，提出通过残差卷积编码-解码器将数据降维到稀疏域再升维的方法实现数据重建。进一步地，针对地震衰减导致的振幅深浅层不一致问题以及不同数据间数学统计分布差异过大现象严重影响神经网络的训练和泛化问题，对网络的输入数据进行振幅一致性校正处理，平衡能量。合成数据算例证明了提出方法比传统的二维预测误差滤波器以及残差网络插值方法的精度更高，比传统的三维预测误差滤波器插值方法效率更快。不同的野外陆地和海洋数据算例都取得了较好的重建结果，证明该方法极大地增大了网络的泛化能力，降低了网络的训练难度。