应用小波通道注意力网络的地震数据重建方法OA北大核心CSTPCD
重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而,这些方法中常用的卷积运算只能捕捉到地震数据的局部特征,没有充分利用全局信息。另外,池化操作也会造成特征图信息的丢失,从而破坏地震反射的细节特征。为此,提出了基于小波通道注意力网络的地震数据重建方法。哈尔(Haar)小波变换能够有效提取信号的多尺度特征,并在上采样过程中避免信息的丢失;高效通道注意力模块通过对不同通道特征图之间的相关性进行建模,能实现全局信息的充分利用。合成和实际地震数据的实验结果表明,与具有代表性的深度学习方法相比,文中所提出的网络模型可以产生更准确的重建结果。
刘沛;王长鹏;董安国;张春霞;张讲社;
长安大学理学院,陕西西安710064西安交通大学数学与统计学院,陕西西安710049
地质学
地震数据重建随机缺失深度学习哈尔小波变换高效通道注意力
《石油地球物理勘探》 2024 (001)
P.31-37 / 7
国家自然科学基金项目“贝叶斯低秩矩阵分解算法研究”(12001057);中央高校基本科研业务费专项资金项目“多模态异质人脸识别问题研究”(300102122101);陕西省重点产业创新链项目“公共安全领域多源异构数据融合平台关键技术及示范应用”(2020ZDLGY09‑09)联合资助。
评论