地震波传播速度参数贯穿于整个地震勘探过程,对于地震成像至关重要。传统的地震速度建模方法存在计算效率低等问题,本文提出一种基于交互注意力分解融合的地震速度建模网络,即IADMU模型。本文网络提出分解融合卷积(DMUC)和交互注意力模...地震波传播速度参数贯穿于整个地震勘探过程,对于地震成像至关重要。传统的地震速度建模方法存在计算效率低等问题,本文提出一种基于交互注意力分解融合的地震速度建模网络,即IADMU模型。本文网络提出分解融合卷积(DMUC)和交互注意力模块(IAB)这2个组件。原始地震炮记录经过分解融合卷积模块,从全局和局部维度提取其高级特征信息,送入反卷积和交互注意力模块,在跨通道交互的帮助下,预测对应的速度模型。在模拟数据和SEG salt data数据集上进行大量实验,消融实验验证了本文提出的DMUC和IAB的有效性;对比实验结果显示,相比U-Net、Res-UNet和DeepLabV3网络,本文网络在这2种数据集上都有更好的性能,验证了本文所提网络的优越性。展开更多
文摘地震波传播速度参数贯穿于整个地震勘探过程,对于地震成像至关重要。传统的地震速度建模方法存在计算效率低等问题,本文提出一种基于交互注意力分解融合的地震速度建模网络,即IADMU模型。本文网络提出分解融合卷积(DMUC)和交互注意力模块(IAB)这2个组件。原始地震炮记录经过分解融合卷积模块,从全局和局部维度提取其高级特征信息,送入反卷积和交互注意力模块,在跨通道交互的帮助下,预测对应的速度模型。在模拟数据和SEG salt data数据集上进行大量实验,消融实验验证了本文提出的DMUC和IAB的有效性;对比实验结果显示,相比U-Net、Res-UNet和DeepLabV3网络,本文网络在这2种数据集上都有更好的性能,验证了本文所提网络的优越性。