基于生成对抗网络的半监督地震波阻抗反演OA北大核心CSTPCD

深度学习波阻抗反演通常需要大量的标记数据对网络进行训练,然而在实际应用中标记数据(测井数据)往往是有限的,针对此问题,本文提出了一种基于生成对抗网络(GAN)的半监督地震反演新方法。该方法采用有条件的GAN(cGAN)改进传统GAN网络结构,重新设计U型卷积神经网络(Unet)的生成器和残差网络(Resnet)的判别器,并采用Wasserstein GAN(WGAN)构建新的目标函数。网络训练分两个阶段,先用少量标记数据训练判别器,再用少量标记数据和大量未标记数据训练生成器,其中生成器受到正演褶积模型约束。合成数据实验结果表明,本文提出的方法适用于少量标记数据的波阻抗反演问题,可以准确反演出波阻抗模型,且具有较好的抗噪性能;实测资料反演结果表明本方法具有较好的实用性。该方法对解决地震波阻抗反演中标记数据少的问题提供了新的参考方法,具有较好的实际应用前景。