叠前地震数据深度卷积神网络应用研究.pdfVIP

表格

{

边框‑合并:

合并;

}

表格,

th,

td

{

边框:

1px

实线

#000;

}

叠前数据中的深度卷积神经网络——

两个探索性案例

阿里·西亚库希sup1/sup、sup1/sup、拉吉夫·库马尔sup2/sup、费利克斯·J·赫尔曼

sup1,2/sup

1佐治亚理工学院计算科学与,

2佐治亚理工学院地球与大气科学学院

神经网络正产生深远影响，已在图像和语音识别系统能力上带来阶跃式提升，并

有迹象表明它们可能对叠后图像产生类似影响。尽管这些进展确实重要，但我们终究

面对的是一个涉及未知构造和未完全理解物理机制的成像问题。若成像步骤本身处理

不当，深度学习带来的增益可能会被抵消。基于我们在数据重建中应用深度卷积神经

网络的研究，探讨生成式网络如何应用于叠前问题——从相对平凡的去除自由表面

效应，到处理时间域有限差分中数值频散的复杂影响。尽管现有结果是初步的，但有强烈

迹象表明：生成式深度卷积神经网络能对叠前数据处理和反演建模中的复杂任务产生

重大影响。

引言

近年来，机器学习技术在语音识别和图像分类领域取得了诸多成功（Kri