文献类型：期刊文章

作　　者：戚倩玉[1,2] 高静怀[1,2] 陈红灵[1,2] 高照奇[1,2] 黄研[3] 陈娟[3] 曹永亮[3] 王建花[2,4]

QI QianYu;GAO JingHuai;CHEN HongLing;GAO ZhaoQi;HUANG Yan;CHEN Juan;CAO YongLiang;WANG JianHua(School of Information and Communications Engineering,Faculty of Electronic and Information Engineering,Xi′an Jiaotong University,Xi′an 710115,China;National Engineering Research Center of Offshore Oil and Gas Exploration,Xi′an 710049,China;Exploration and Development Research Institute of CNPC Changqing Oilfield Branch,Xi′an 710003,China;CNOOC Research Institute Ltd.,Beijing 100027,China)

机构地区：[1]西安交通大学电子与信息学部信息与通信工程学院,西安710115 [2]海洋油气勘探国家工程研究中心,西安710049 [3]中国石油天然气股份有限公司长庆油田分公司勘探开发研究院,西安710003 [4]中海油研究总院有限责任公司,北京100027

出　　处：《地球物理学报》

基　　金：国家重点研发计划重点项目(2020YFA0713403,2020YFA0713400);中国石油长庆油田分公司“揭榜挂帅”项目“黄土塬三维高分辨率关键处理技术研究”(GS2021-01)联合资助。

年　　份：2023

卷　　号：66

期　　号：7

起止页码：2997-3010

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EAPJ、EI、JST、PA、RCCSE、SCIE、WOS、ZGKJHX、核心刊

摘　　要：地震波在地下传播时存在能量衰减,呈现非平稳性,导致地震资料的分辨率降低,不利于储层刻画.为了解决这个问题,需要对地震记录进行衰减补偿来消除非平稳性.考虑到GRU(Gated Recurrent Unit)即门控循环单元在处理时间序列时具有长时和短时记忆的优势,本文构建了以GRU为主导的网络结构(简称GRU网络),提出了基于GRU网络的地震衰减补偿方法.实际地震数据处理中,测井资料往往非常有限,导致标签数据较少.为解决小样本问题,本文借鉴自编码器的思想,除井旁道和测井合成地震记录的标签外,将其余地震记录作为无标签数据引入训练,半监督地学习非平稳数据到平稳数据的非线性映射,实现了地震记录的衰减补偿.最后利用含噪合成地震记录和实际地震资料测试了本文提出的方法,证明了其有效性.

关 键 词：地震衰减补偿  深度学习  半监督学习

分 类 号：P631]