.png){kind=icon}
返回
Accelerating Marchenko Multiple Elimination With Deep Parallel Convolution and Time–Frequency Network
.png){kind=icon}
PRE
AI
DOI：10.1109/lgrs.2026.3710558.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
马钦科多次波消除（MME）方法能够以数据驱动的方式实现精确的一次波重建，但其核心计算——多维卷积和互相关——对大规模数据集计算量巨大。为解决此问题，我们提出DTFMarNet，一种深度并行卷积和时间-频率双路径网络，可高效近似关键MME更新算子。通过沿道维度组织多炮地震数据，将顺序的互相关-卷积更新转换为并行操作，减少冗余计算。深度并行卷积结构降低了计算复杂度，而时间-频率双路径机制则建模时序和频谱依赖关系，并约束一次波的振幅和相位。为克服有限的一次波标签问题，弱监督策略利用伪参考数据，并施加时间-频率和时序结构约束，从而提升稳定性和泛化能力。在合成和实际数据集上的实验表明，DTFMarNet在保持有效多次波抑制和物理一致性的同时，显著加速了MME处理流程。
Keyword:
Deep parallel convolution
Marchenko multiple elimination (MME)
multiple suppression
neural network acceleration
time–frequency dual path
期刊
I
IF:
4.4
论文数:
806
被引数:
0
机构
引用论文
Marchenko imaging assisted by vertical seismic profiling data for land seismic data in the Middle East.png)
GEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏Full wavefield inversion with multiples: Nonlinear Bayesian inverse multiple scattering theory beyond the Born approximationGEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏Accelerating Marchenko Imaging via Self-Supervised Focusing Function Prediction通过自监督聚焦函数预测加速马伦科成像
PREAI
分享收藏Three-dimensional internal multiple elimination in complex structures using Marchenko autofocusing theoryPETROLEUM SCIENCE
OAAI
PETROLEUM SCIENCEIF6.1
OAAI分享收藏Internal-multiple-elimination with application to migration using two-way wave equation depth-extrapolation schemePETROLEUM SCIENCEOAAI
PETROLEUM SCIENCEIF6.1
OAAI分享收藏
查看更多内容