典型文献
基于深度学习的地震波逆时偏移补偿方法
文献摘要：
逆时偏移作为重要的地震偏移技术,已经成为复杂构造成像的有力工具.地下构造的强衰减体引起地震波振幅减弱和相位失真,直接影响地下有效油气储层的识别精度,而现有逆时偏移补偿技术具有计算复杂、补偿精度低等不足.为优化计算、提高补偿精度,提出一种基于TensorFlow框架的地震波逆时偏移补偿方法,将传统循环生成对抗网络(CycleGAN)与注意力机制(Attention)相融合,将交叉熵损失函数与感知损失函数结合成新的损失函数,最后得到补偿后的地震波特征图.实验表明,基于深度学习的地震波逆时偏移补偿方法补偿平均误差为3.71％,低于现有基于广义S变换反Q滤波方法的平均误差为4.59％,证明了该方法对地震资料的处理与解释的可行性.
文献关键词：
地震勘探;逆时偏移;循环生成对抗网络;注意力机制;补偿;深度学习
中图分类号：
作者姓名：
韩连福;柴子威;宋利伟;刘兴斌;付长凤
作者机构：
东北石油大学物理与电子工程学院,黑龙江 大庆 163318;中国石油大庆油田有限责任公司人才开发院,黑龙江 大庆 163318
文献出处：
引用格式：
[1]韩连福;柴子威;宋利伟;刘兴斌;付长凤-.基于深度学习的地震波逆时偏移补偿方法)[J].测井技术,2022(01):109-113
A类：
B类：
地震波,逆时偏移,偏移补偿,补偿方法,移作,复杂构造,失真,响地,油气储层,识别精度,补偿技术,优化计算,TensorFlow,循环生成对抗网络,CycleGAN,注意力机制,Attention,交叉熵损失函数,感知损失函数,波特征,特征图,平均误差,滤波方法,地震资料,地震勘探
AB值：
0.283464
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
