摘要：同时源数据采集是通过多炮在极短的时间之内进行多源混合采集,可以有效提高野外数据的采集效率,降低采集成本,并改善地震成像的照明度。但是由于多源信号的叠加,导致采用常规的地震资料处理很难得到理想的偏移结果。为了能够准确成像,常用的方法是对同时源数据进行单炮数据分离。在常用的分离方法中,大多采用滤波法或稀疏反演分离法对伪分离后非共炮道集的数据进行去噪分离,该类方法需要信号与噪声的精确建模,以及最佳参数的调整。因此,近年来许多学者采用机器学习方法进行同时源地震数据分离。但由于可用于训练的实际样本数据少,导致网络的适用性不强。本文针对这一问题,同时采用数值模拟正演数据和物理模型同时源采集数据,并且物理模型中含有复杂的构造地质特征,搭建DnCNN网络,结合迁移学习方法,将用数值数据训练好的模型加入物理模型数据进行模型微调,最后进行验证,得到了不错的同时源数据分离效果。

关键字：同时源采集;伪分离;卷积神经网络;物理模型采集;DnCNN

ISSN号：无

卷、期、页：第五届油气地球物理学术年会论文集

发表日期：2023-04-19

期刊分区（SCI为中科院分区）：无

收录情况：国内学术会议论文集

发表期刊名称：第五届油气地球物理学术年会论文集

通讯作者：保定君,李泽钰

第一作者：陈双全,王国权

论文类型：会议论文

论文概要：保定君,陈双全,王国权,李泽钰，基于物理模型同时源数据的智能分离方法研究，第五届油气地球物理学术年会论文集，2023，第五届油气地球物理学术年会论文集

论文题目：基于物理模型同时源数据的智能分离方法研究