A deep learning based workflow for multicomponent seismic data registration

Hoque, S. M. Shamsul

doi:10.1016/j.aiig.2026.100215

A deep learning based workflow for multicomponent seismic data registration

2026-04-01

0

PRE

AI

DOI：10.1016/j.aiig.2026.100215

原文链接

原文求助

摘要

En 中文

多分量地震数据集（如PS波，下行P波和上行S波）在地下层位表征方面比传统的PP波（下行和上行P波）数据具有显著优势。通过整合PP和PS数据，可以更全面地理解地下结构。然而，有效利用这些数据集依赖于数据对齐（registration）过程，该过程用于对齐不同的波场。成功的对齐可将多分量地震数据集统一到共同的时间域，通常为PP波的时间域。当存在较大错位、数据含噪声或频率和相位内容变化时，这一任务尤为具有挑战性。本研究提出一种有监督的深度学习方法，用于估计叠加PP波和PS波数据之间的时间偏移。介绍了一种详细的PP和PS数据对齐流程，该流程首先使用变化的P波速度/V波速度（Vp/Vs）比率拉伸和压缩PP和PS数据集，以创建带有时间偏移标签的训练数据。然后，我们开发了一种循环全对场变换（RAFT）深度学习架构的改进版本，该架构通过光流估计来预测时间偏移。模型使用预测和真实偏移场之间的L1损失进行训练。最后，将该流程应用于Big Sky多分量数据集，证明了其对PP和PS地震数据对齐的有效性和可行性。

Keyword:

Multicomponent seismic data

Seismic registration

Deep Learning

Recurrent All-Pairs Field Transforms for

Seismic Registration (RAFT-SeisReg)

A deep learning based workflow for multicomponent seismic data registration

摘要

期刊

机构

引用论文