基于改进pix2pix GAN的多次波压制算法

有效压制地震多次波是地震资料处理过程中的重要环节,尽管已有多种多次波压制方法,但是传统的多次波压制方法依赖先验地质构造信息且需要大量的计算,导致多次波压制效率较低,对于复杂地质条件下的多次波压制更具挑战。为此,提出将改进pix2pix GAN运用于多次波压制问题中,利用神经网络的特征学习能力,提高多次压制波的精度。这种改进的pix2pix GAN结合ResNet与U-Net作为网络的生成器,以避免深层网络引起的梯度消失或梯度爆炸现象。并在生成器中引入SE注意力机制,改进的生成器能够更好的感知地震波中一次波与多次波的特征,提升生成器性能。此外,使用多尺度判别器对更精细的地震图像细节特征和纹理信息做出真假判别。网络的输入为全波场数据,标签为一次波数据,使用两个简单地层模型和一个公开的Sigbee2B模型合成的数据集训练网络。实验结果表明,改进的pix2pix GAN比pix2pix GAN的多次波压制效果更好;网络训练一旦完成,即可有效提升多次波压制速度。