应用XGBoost算法的随机缺失地震数据重建OA北大核心CSTPCD

随着勘探目标的构造和地表地质条件的日趋复杂,地震数据经常存在不规则和不完整的问题,给后续的处理带来严重困难。针对这一难题,文中提出了一种基于XGBoost算法的地震数据重建方法。该方法从局部学习的角度出发,针对随机缺失的地震道,在其周围选择一定数量的相邻地震道作为参考。通过构建这些参考地震道的道号、采样点号与数值之间的回归模型,能够精确学习并重建出缺失地震道的数据。为全面评估该方法的性能,对模拟数据不同地震道缺失情况下进行了实验,并与基于U-net卷积神经网络和基于凸集投影的Curvelet算法等重建方法进行比较。实验结果表明,基于XGBoost算法的重建方法对随机缺失地震数据重建具有较高的精度。实际数据处理结果表明,该方法能够为后续地震资料处理提供高精度的规则炮集数据。