發(fā)布時間：2021-03-14 09:32

　　隨著油氣勘探開發(fā)程度的不斷提高,地震勘探的對象正在從構(gòu)造油氣藏逐步轉(zhuǎn)向巖性油氣藏,因此需要依靠高信噪比、高分辨率和高保真度的地震數(shù)據(jù)來刻畫地下含油氣藏構(gòu)造的精細結(jié)構(gòu)。日益復雜的勘探環(huán)境常常使得所采集到的地震數(shù)據(jù)是不完整或不規(guī)則的,并被各種隨機噪聲污染,而數(shù)據(jù)中的噪聲和數(shù)據(jù)的不完整性會影響后續(xù)數(shù)據(jù)處理的保真度、分辨率和信噪比,進而降低最終資料解釋的可靠性,因此需要對地震數(shù)據(jù)進行噪聲壓制或重建。而常規(guī)地震數(shù)據(jù)重建方法受Nyquist采樣定理的限制,往往要求數(shù)據(jù)有較高的采樣率,使得數(shù)據(jù)采集成本較高;另一方面,常規(guī)去噪和重建方法通常比較依賴于地震數(shù)據(jù)的先驗信息。近幾年中,新興起的深度學習在眾多領域中取得非常好的表現(xiàn)。這種方法旨在首先讓模型學習數(shù)據(jù)在不同深度的特征,然后利用訓練好的模型對未知的數(shù)據(jù)進行預測。本文從地震數(shù)據(jù)去噪和重建的數(shù)學問題出發(fā),以深度學習為理論基礎,探索了統(tǒng)一應用于地震數(shù)據(jù)去噪和重建的數(shù)學模型。本文首先針對數(shù)值數(shù)據(jù)建立了一種簡單而有效的數(shù)據(jù)預處理方法,使得神經(jīng)網(wǎng)絡取得了較好的訓練和測試效果。在地震數(shù)據(jù)去噪中,首先構(gòu)建了一個深度卷積神經(jīng)網(wǎng)絡,然后將含噪聲數(shù)據(jù)與其對應的噪聲的pat... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：131 頁

【學位級別】：博士

【部分圖文】：

一維卷積示例

二維卷積示例(Goodfellowetal.,2016)

運算模塊

【參考文獻】：
期刊論文
[1]Simultaneous Denoising and Interpolation of Seismic Data via the Deep Learning Method[J]. GAO Han,ZHANG Jie.  Earthquake Research in China. 2019(01)
[2]基于3D Curvelet變換的頻率域高效地震數(shù)據(jù)插值方法研究[J]. 王本鋒,陸文凱,陳小宏,王志凱.  石油物探. 2018(01)
[3]基于曲波變換的三維地震數(shù)據(jù)同時重建和噪聲壓制（英文）[J]. 張華,陳小宏,張落毅.  Applied Geophysics. 2017(01)
[4]基于稀疏約束的地震數(shù)據(jù)高效采集方法理論研究[J]. 王漢闖,陶春輝,陳生昌,丘磊,任浩然,周華敏.  地球物理學報. 2016(11)
[5]基于壓縮感知的Curvelet域聯(lián)合迭代地震數(shù)據(jù)重建[J]. 白蘭淑,劉伊克,盧回憶,王一博,常旭.  地球物理學報. 2014(09)
[6]基于jitter采樣和曲波變換的三維地震數(shù)據(jù)重建[J]. 張華,陳小宏.  地球物理學報. 2013(05)
[7]F-X域等道距道內(nèi)插[J]. 國九英,周興元,俞壽朋.  石油地球物理勘探. 1996(01)

博士論文
[1]基于壓縮感知和稀疏表示的地震數(shù)據(jù)重建與去噪[D]. 唐剛.清華大學 2010

碩士論文
[1]基于稀疏變換的地震數(shù)據(jù)去噪方法研究[D]. 張博.浙江大學 2013



本文編號：3081919