基于S变换与复值U-Net网络的地震资料高分辨率处理方法

地震资料高分辨率处理方法通过拓展频带范围有效地提高了地震资料的精度.迄今为止,基于深度学习的高分辨率处理方法仅在时域中进行特征提取,忽视了地震数据的频域信息,因而影响高分辨率处理效果.为此,结合深度学习的数据驱动能力与时频分析方法的时频定位能力,提出了一种基于S变换和复值U-Net网络(STCVU-Net)的地震资料高分辨率处理方法.首先,通过褶积模型构建高分辨率与低分辨率的单道地震数据,接着,利用S变换获得不同分辨率地震数据的时频谱并将其作为训练数据,然后基于构建的STCVU-Net对时频谱进行训练和测试,最后,使用迁移学习方法对已训练的网络进行微调并应用于实际数据的处理.STCVU-Net方法充分考虑了地震数据的时域与频域信息,在准确得到地震数据时频谱的同时在时频域中对地震信号进行精准拓频,从而提高了地震资料的分辨率.对比时域端到端的深度学习方法在模型资料和实际工区资料的高分辨率处理结果表明,STCVU-Net方法的高分辨率处理结果更准确,高频信息更丰富,具有较大的实际应用潜力.