复杂海底自由表面多次波预测方法

针对崎岖海底多次波路径复杂、绕射波及绕射多次波发育等情形,自由表面多次波压制技术（SRME）预测多次波模型存在数据信噪比低、动力学和运动学信息欠准确等不利因素,提出了基于单程波及双程波波动方程延拓的多次波预测方法。即基于波动方程并联合SRME技术,利用岩石物理模型对地震记录进行波场延拓,得到预测的多次波模型;同时采用自适应匹配相减方法提高复杂海底多次波压制效果。理论模型及实际数据试验表明：相对于单一的SRME多次波预测法,所提方法预测的多次波模型具有更高信噪比、与实际多次波在大多情况下的运动学和动力学特征吻合度更高。该方法理论上需已知准确岩石物理模型,由于海洋地震资料多次波主要是自由表面相关多次波,因此在仅已知海水及海底岩石物理参数情况下,该方法也能预测大部分与自由表面相关的多次波。     

基于深度学习的地震速度谱自动拾取方法

为了克服人工拾取地震速度谱效率低、耗时长等缺点,提出了一种基于深度学习的地震叠加速度自动拾取方法。其核心是模仿地震数据处理人员在速度谱上拾取速度的行为和过程,实现叠加速度的自动拾取。将速度谱视为图像,并依据所拾取的"时间-速度"对具有时间序列的特点,设计了一个复杂的能用于速度拾取的卷积神经网络(convolutional neural network,CNN)和长短期记忆(long-short term memory,LSTM)模型混合结构神经网络模型。该模型经过训练,可以对输入的速度谱进行自动拾取,并输出"时间-速度"对序列。理论和实际地震数据测试结果表明,相对于基于反演过程的传统速度拾取算法,基于深度学习的地震速度谱自动拾取方法无需附加任何约束和干预,不仅实现了完全自动化的速度拾取,而且具有更高的拾取精度。