煤田地质与勘探

作者：毛海波, 周鑫, 李晓峰, 潘龙, 林娟, 刘达伟, 王晓凯,

关键词：准噶尔盆地, 深度学习, 卷积神经网络, 噪声压制,

目的准噶尔盆地是我国重要的含油气盆地，其勘探目标已进入深层。该盆地的复杂近地表条件、勘探目标深度以及“两宽一高”的三维地震数据采集方式导致地震资料信噪比低、数据量大，这些问题对勘探目标的落实产生了影响。因此，压制噪声并提高三维地震资料的品质对于实现勘探目标至关重要。方法随着深度学习理论的发展和硬件性能的提升，深度神经网络的学习能力和处理效率得到了显著提高。为此，基于残差学习和批归一化技术，构建了三维去噪卷积神经网络(three-dimensional denoising convolutional neural network，3D-DnCNN)，并开发了适用于准噶尔盆地的基于深度学习的三维地震资料噪声压制流程。结果和结论针对准噶尔盆地某大连片工区的实际需求，选取了覆盖次数高、信噪比高的区域的噪声压制结果构建高质量标签，并将训练好的3D-DnCNN网络应用于整个工区。研究结果表明，与常规工业流程相比，所提方法得到的同相轴一致性更好、断裂保持更完整、石炭系顶界与内幕更加清晰。此外，3D-DnCNN网络在高信噪比区域学习到的偏移画弧噪声特征，使其在整个工区的偏移画弧噪声压制能力优于常规工业流程。通过调整网络参数(如网络深度、卷积核大小及训练样本选择策略)可以进一步优化网络以适应不同地区的地震资料，从而增强了地震噪声压制技术的适用性和有效性。

来源：2024年第11期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2024年第11期