Surface-Related Multiple Suppression Based on Prestack Seismic Data Regularization Using Deep Neural Network Wavefield Extrapolation

Wensheng Duan

doi:10.1109/LGRS.2025.3627214

Surface-Related Multiple Suppression Based on Prestack Seismic Data Regularization Using Deep Neural Network Wavefield Extrapolation

2025-01-01

0

PRE

AI

DOI：10.1109/LGRS.2025.3627214

原文链接

原文求助

摘要

En 中文

地表相关多次波抑制已成为地震数据处理中的一个关键步骤。事实上，近偏移距道集的缺失显著降低了传统地表相关多次波抑制技术的准确性。本研究提出了一种波场外推深度神经网络（WEDNN），用于共反射点道集（prestack）地震数据规则化，在初步地表相关多次波消除（SRME）后，将远偏移距外推至近偏移距。该方法能够有效抑制共反射点道集地震数据中的地表相关多次波。部分合成实例（包括Pluto模型）和现场数据实例的验证结果表明，所开发的方法具有有效性和稳健性。WEDNN通过波场外推减少了因近偏移距道缺失导致的空间域地震数据信息损失48.83%，对于复杂工区的合成实例，计算效率提升了88.3%。

Keyword:

Data regularization

deep neural network

surface-related multiple suppression

wavefield extrapolation

Surface-Related Multiple Suppression Based on Prestack Seismic Data Regularization Using Deep Neural Network Wavefield Extrapolation

摘要

期刊

机构

引用论文