基于循环生成对抗网络的逆时偏移成像结果优化

P631.4; 在常规逆时偏移方法基础上,通过引入循环生成对抗网络(CycleGAN)发展一种基于循环生成对抗网络的逆时偏移成像结果优化方法.首先构建包含两个生成器和两个判别器的CycleGAN.在对抗损失、循环一致性损失函数的基础上,添加身份损失函数,以避免训练过度;然后,组建样本集来训练网络,使其学习常规逆时偏移成像结果和最小二乘逆时偏移成像结果之间的映射关系;最后,利用其他合成数据和实际资料测试网络效果.结果表明,提出的基于循环生成对抗网络的逆时偏移成像结果优化方法在获得高精度、高信噪比成像结果的同时有效地提高了计算效率....

Full description

Saved in:
Bibliographic Details
Published in中国石油大学学报（自然科学版） Vol. 48; no. 5; pp. 36 - 45
Main Authors 黄建平, 刘博文, 黄韵博, 孙加星, 李亚林, 雷刚林, 段文胜, 陈飞旭, 侯中根
Format Journal Article
LanguageChinese
Published 德州学院药学院,山东 德州 253004%中国石油塔里木油田公司,新疆库尔勒 841000%中国石油大学(华东)地球科学与技术学院,山东 青岛 266580 01.10.2024
海洋国家实验室海洋矿产资源评价与探测技术功能实验室,山东 青岛 266071%中国石油大学(华东)地球科学与技术学院,山东 青岛 266580
中国石油大学(华东)地球科学与技术学院,山东 青岛 266580
海洋国家实验室海洋矿产资源评价与探测技术功能实验室,山东 青岛 266071
中国石油塔里木油田公司,新疆库尔勒 841000%济南大学化学化工学院,山东 济南 250022
Subjects
least-squares reverse time migration
循环生成对抗网络
最小二乘逆时偏移
逆Hessian
inverse Hessian
残差网络
residual net
CycleGAN
Online AccessGet full text
ISSN1673-5005
DOI10.3969/j.issn.1673-5005.2024.05.004

Cover

More Information
Summary:P631.4; 在常规逆时偏移方法基础上,通过引入循环生成对抗网络(CycleGAN)发展一种基于循环生成对抗网络的逆时偏移成像结果优化方法.首先构建包含两个生成器和两个判别器的CycleGAN.在对抗损失、循环一致性损失函数的基础上,添加身份损失函数,以避免训练过度;然后,组建样本集来训练网络,使其学习常规逆时偏移成像结果和最小二乘逆时偏移成像结果之间的映射关系;最后,利用其他合成数据和实际资料测试网络效果.结果表明,提出的基于循环生成对抗网络的逆时偏移成像结果优化方法在获得高精度、高信噪比成像结果的同时有效地提高了计算效率.
ISSN:1673-5005
DOI:10.3969/j.issn.1673-5005.2024.05.004