基于雙注意力U-Net網絡的提高地震分辨率方法

李學貴 周英杰 董宏麗 吳鈞 徐剛 王如意

摘要：提高地震數據分辨率的傳統方法，如反褶積、犙補償等，受到子波為最小相位、反射系數為白噪聲等假定條件的限制且需要求取復雜參數，不便于實際應用。深度學習方法使用數據驅動的方式可以自適應地刻畫輸入與目標間的關系，具備良好的自主學習能力，但目前基于深度學習提高地震數據分辨率的方法對注意力信息的利用不夠全面。因此，提出一種基于雙注意力ＵＮｅｔ網絡的提高地震數據分辨率方法。首先，在原始ＵＮｅｔ網絡中加入改進的通道注意力模塊、空間注意力模塊和級聯殘差模塊，不僅可以快速學習高、低分辨率數據間的映射關系，還能夠合理分配不同通道和空間的權重、充分利用數據間的相關性；然后，使用Ｌ１ 損失和多尺度結構相似性指數損失的組合作為損失函數，提高模型對局部信息變化的敏感度，便于恢復細節信息。模擬數據和實際數據的測試結果表明，該方法提升了地震數據的主頻，增加了頻帶寬度，同相軸變得更清晰，細節紋理信息更豐富，有效提高了地震數據的分辨率。

關鍵詞：提高分辨率，深度學習，ＵＮｅｔ網絡，注意力機制，殘差塊

中圖分類號：Ｐ６３１ 文獻標識碼：Ａ doi：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００７２１０．２０２３．０３．００３