Enhancing the resolution of seismic post-stack data based on deep learning

Xiaohu He

doi:10.1515/geo-2025-0931

Enhancing the resolution of seismic post-stack data based on deep learning

2026-01-23

0

PRE

AI

DOI：10.1515/geo-2025-0931

原文链接

原文求助

摘要

En 中文

地震解释常受限于野外地震数据分辨率较低，这限制了地下地质结构和地层特征的表征。提高地震数据的垂直分辨率一直是地震勘探中的长期挑战。近期研究采用了深度学习技术来增强地震垂直分辨率；然而，对损失函数设计在增强过程中的作用关注较少。为解决这一不足，我们提出了一种基于改进U-Net的方法，采用混合损失函数以提高叠后地震数据的垂直分辨率。具体而言，我们首先通过将反射率模型与不同主频的子波进行卷积合成了一个大规模训练数据集。随后使用该数据集训练改进的U-Net架构，训练过程由结合结构相似性指数度量（SSIM）与均方误差的损失函数引导以优化网络参数。我们随后将训练好的网络应用于合成地震图像及两个野外数据集。结果表明，所提出的方法在显著提高地震数据垂直分辨率的同时，也能在一定程度上衰减随机噪声。

Keyword:

deep learning

seismic resolution

post-stack data

interpretation

U-Net

Enhancing the resolution of seismic post-stack data based on deep learning

摘要

期刊

机构