煤田地质与勘探

作者：王敏玲, 周飞, 王洪华, 贺翔, 侯志阳,

关键词：地震数据重建, 深度学习, CU-Net++网络, 嵌套结构, 多尺度特征融合, 注意力机制,

目的针对常规重建方法对连续缺失地震数据重建效果不佳，影响后续处理精度的不足，在U-Net++网络基础上，通过引入卷积注意力机制模块(convolutional block attention module, CBAM)，提出了一种深度学习网络CU-Net++。方法U-Net++网络的嵌套式结构中每个子U-Net网络的独立解码器，可在缺失数据重建中充分利用不同深度的信息；长短跳跃连接能有效增强网络对数据多尺度特征的提取能力。CU-Net++网络的核心是将可增强地震波细节和边缘信息学习能力的CBAM引入到U-Net++网络，以增强复杂地震波特征的识别和捕捉能力。通过模拟数据和实测数据重建测试，从F-K谱、残差剖面、单道波形、平均绝对误差、信噪比、峰值信噪比等方面，详细对比分析了CU-Net++、U-Net++、CU-Net、U-Net网络和曲波域凸集投影(POCS)对缺失地震数据的重建效果。结果和结论CU-Net++网络的各项指标表现最优，其重建误差最低，平均绝对误差相较于U-Net++网络降低约51%，信噪比和峰值信噪比分别提升5.87 dB和5.87 dB；CU-Net++网络可高精度重建连续缺失比例不超过12%的地震数据。

来源：2025年第9期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2025年第9期