.png){kind=icon}
返回
Diffraction wave separation and imaging by encoder-decoder network embedded Transformer
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jappgeo.2025.106023.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高精度地质异常检测可以通过在地下不连续介质（例如洞穴和裂隙）中传播的地震波或电磁波产生的绕射来实现。然而，由于强干扰和波形混合，从采集的地震或探地雷达（GPR）数据中提取全波场的绕射部分具有挑战性。此外，与反射波相比，绕射波具有低幅度和复杂形态。上述因素增加了在各类数据域中部署鲁棒绕射提取和成像的难度。为提高绕射成像精度并简化处理步骤，我们利用深度学习（DL）技术构建了一个新的复杂映射，将倾斜角域共成像点图（Dip-ADCIG）的全波场映射到独特的偏移绕射。借助编码器-解码器框架，可以描绘绕射波特征，并将其用于更高效地分类无序波形。改进的Swin Transformer V2骨干网络中的自注意力计算确保了输入与预测结果之间的一致保真度。除优化配置编码器面板外，还修改了解码器模块中特征图的拼接模式，以获得小尺度非均质体的绕射成像。通过对多种设计地质模型的大量数据进行稳定训练，新流程即使在输入共炮点数据质量较差的情况下，也能提供高分辨率绕射深度域成像。数值和实测数据测试验证了我们提出方法的高性能和有效性。
Keyword:
Diffraction imaging
Deep learning
Dip-ADCIG
Self-attention computation
期刊
J
IF:
2.1
论文数:
247
被引数:
8.3K
机构
引用论文
分享收藏Deep Learning for Geophysics: Current and Future Trends地球物理学的深度学习: 当前和未来趋势.png)
REVIEWS OF GEOPHYSICS
OAAI
REVIEWS OF GEOPHYSICSIF37.3
OAAI分享收藏Diffraction imaging by focusing-defocusing: An outlook on seismic superresolutionGEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏Scattering and dip angle decomposition based on subsurface offset extended wave-equation migrationGEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏
查看更多内容