基于双注意力U-Net网络的提高地震分辨率方法

李学贵 周英杰 董宏丽 吴钧 徐刚 王如意

摘要：提高地震数据分辨率的传统方法，如反褶积、犙补偿等，受到子波为最小相位、反射系数为白噪声等假定条件的限制且需要求取复杂参数，不便于实际应用。深度学习方法使用数据驱动的方式可以自适应地刻画输入与目标间的关系，具备良好的自主学习能力，但目前基于深度学习提高地震数据分辨率的方法對注意力信息的利用不够全面。因此，提出一种基于双注意力ＵＮｅｔ网络的提高地震数据分辨率方法。首先，在原始ＵＮｅｔ网络中加入改进的通道注意力模块、空间注意力模块和级联残差模块，不仅可以快速学习高、低分辨率数据间的映射关系，还能够合理分配不同通道和空间的权重、充分利用数据间的相关性；然后，使用Ｌ１ 损失和多尺度结构相似性指数损失的组合作为损失函数，提高模型对局部信息变化的敏感度，便于恢复细节信息。模拟数据和实际数据的测试结果表明，该方法提升了地震数据的主频，增加了频带宽度，同相轴变得更清晰，细节纹理信息更丰富，有效提高了地震数据的分辨率。

关键词：提高分辨率，深度学习，ＵＮｅｔ网络，注意力机制，残差块

中图分类号：Ｐ６３１ 文献标识码：Ａ doi：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００７２１０．２０２３．０３．００３