[发明专利]一种基于优化生成对抗网络地震数据超分辨率重建方法

说明书

本发明公开一种基于优化生成对抗网络地震数据超分辨率重建方法，应用于地震勘探数据处理领域，针对现有技术存在的没有很好的利用地震道之间波形特征复杂的关系、计算复杂、在变换重构的过程中需要进行近似计算的问题；本发明提出一种优化的生成对抗网络，并将其应用于地震数据的超分辨率重建，能够很好地保持了地震波形的复杂特征，得到了高保真度、高分辨率的地震数据，且空间假频得到有效压制，实现了地震数据的超分辨率重建。

技术领域

本发明属于地震勘探数据处理领域，特别涉及一种地震数据超分辨率重建技术。

背景技术

随着油气勘探程度的提高和力度加大，新油气藏的发现对地震资料的空间和时间分辨率提出了更高的要求。当今国际原油价格长期处于低位。为了提高地震勘探效率和降低成本，地震数据道内插是获得具有空间高分辨率地震数据的一种有效、且重要的手段。

Larner(1981)提出地震道内插技术以后，许多地球物理学专家、学者对地震道内插算法进行了研究。如Cabrera(1984)提出波分解内插，Joshua Ronen(1987)提出波动方程插值法,Spitz(1991)提出F—X域内插。同年，Claearbout提出T-X域预测误差滤波插值，Verschuur提出趋势样条插值方法。20世纪90年代中期以后是插值研究活跃的年代，很多人在前人的基础上做了尝试和改进。李国发(1995)提出F-X域F-K域联合内插，Porsani(1999)在Sptiz基础上提出半步长预测滤波插值，Gulunay(1996)提出抗假频道内插，并于2003年提出GFKI内插。地震道内插算法不断丰富与发展,小波变换插值、LI范数及最小范数实现内插、波场插值、非线性插值、滤波插值、Mostafa(2012)等实现了F-K域地震道插值，且同时压制噪声。Kragh(2015)等实现了零偏移地震道插值。Liu(2017)等提出了基于seislet变换对的地震道插值。Liu(2018)等使用频率域复杂非平稳自回归的方法实现了地震道插值。Liao(2019)实现了基于张量的地震道插值。这一系列地震道内插方法的提出，使得地震勘探数据的横向分辨率有了很大的提升。

上述插值方法中都有其局限性。F-X域内插无需地震同相轴先验信息，对随机噪声敏感，插值后的波形较为自然，但计算量大，对信噪比低的数据不易求取内插因子。F-K变换是使用较多也是研究较多的方法，其运算简单、插值效率高，插值波形自然，但仅适用于规则采样、信噪比高的数据，且对于混有直达波、面波、多次波等复杂信号亦不能正确内插。T-X域预测误差滤波插值利用二维预测误差滤波器进行插值，能插出比较准确的地震道，但运算量特别大，且对信噪比低的数据极易失败。因此运用这些方法实现的地震数据超分辨率重建效果仍有较大的提升空间。

超分辨率是图像领域一个经典的问题。Yang(2010)等提出基于稀疏表征的图像超分辨率算法。Dong(2016)利用卷积神经网络实现了图像超分辨率重建。Ledig(2016)将生成对抗网络引入到图像超分辨率重建过程中，实现基于生成对抗网络的图像超分辨率方法，实验结果证实该方法能够得到了效果良好的图像超分辨率重构结果。Wang(2018)等深入研究了SRGAN网络体系结构的两个关键组成部分：对抗损失和感知损失，并对其中的每一个进行了改进，得到了一个增强的SRGAN(Enhanced Super-Resolution GenerativeAdversarial Networks,ESRGAN)。特别地，Wang将残差密集块中的残差作为基本的网络构建单元而不进行批量归一化,让判别网络预测相对真实性而不是绝对值。最后，利用激活前的特征改善感知损失，为亮度一致性和纹理恢复提供更强的监控。基于这些改进，使得处理后的图像在自然纹理上获得了更好的视觉质量。

在深度学习领域，生成对抗网络可以很好的模拟复杂函数关系，且具有强大的数据生成能力。因此为了解决地震道插值过程中存在的保幅问题，本发明首先考虑地震记录道之间波形特征复杂的内在关联关系，设计优化的生成对抗网络架构；然后以已知的高分辨地震数据为训练样本，训练优化的生成对抗网络；最后运用训练后的网络对含有空间假频的低分辨率地震数据进行内插，实验表明该方法可以得到高保真度、高分辨率的地震数据，且空间假频得到有效压制。