.png){kind=icon}
返回
Dual-Input Autoencoder–Based Method for Enhancing Repeatability in Time-Lapse Seismic Data
.png){kind=icon}
OA
AI
DOI：10.1109/JSTARS.2025.3593380.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
重复地震勘探是监测地下变化的关键工具，在烃类生产评估以及碳捕获与封存（CCS）项目中的CO₂迁移追踪方面具有应用。然而，由于不可重复效应的存在，准确检测地下变化具有挑战性。传统的交叉均衡技术和机器学习技术的进步旨在解决这些挑战，但通常面临限制，特别是在处理实际变量方面。我们提出了一种双输入自编码器（DIAE），旨在通过同时处理基线数据集和监测数据集，提高重复地震叠后数据的可重复性。DIAE模型引入了一种自定义损失函数，该函数结合了重构损失和可重复性损失，能够在信号保真与噪声抑制之间实现灵活控制。我们使用两个实际数据集评估了所提出的方法：来自澳大利亚西部的Enfield油田数据集和来自挪威的Sleipner CCS数据集。结果表明，DIAE在有效抑制不可重复噪声的同时，最大限度地减少了信号失真。通过在不同地质条件下实现可重复性增强与信号保真之间的实用平衡，DIAE为提高生产环境和CCS环境中的重复地震监测提供了一种稳健的解决方案。
Keyword:
Autoencoder
cross-equalization (XEQ)
noise suppression
repeatability
time-lapse seismic
期刊
IF:
5.3
论文数:
1.8K
被引数:
3.0W
机构
引用论文
.png){kind=icon}
分享收藏Cross-equalization of time-lapse seismic data using recurrent neural networks利用循环神经网络进行时间推移地震数据的交叉均衡
PREAI
分享收藏分享收藏分享收藏
查看更多内容