李建平 張碩偉 丁仁偉 麻曉敏 趙俐紅 趙碩

摘要：針對(duì)常規(guī)語(yǔ)義分割網(wǎng)絡(luò)在初至拾取中存在的精度低、泛化能力差等問(wèn)題，基于Ｕ-Ｎｅｔ網(wǎng)絡(luò)，結(jié)合殘差學(xué)習(xí)模塊和亞像素卷積方法，構(gòu)建了一種超分辨率深度殘差網(wǎng)絡(luò)的初至智能拾取方法（ＳＤ-Ｎｅｔ）。該方法使用具有跳躍連接的Ｕ 型網(wǎng)絡(luò)融合地震數(shù)據(jù)的多尺度信息，通過(guò)端到端的訓(xùn)練方式簡(jiǎn)化工作。首先，在ＳＤ-Ｎｅｔ的下采樣階段引入殘差學(xué)習(xí)模塊，克服深層網(wǎng)絡(luò)退化問(wèn)題，有效提高對(duì)地震數(shù)據(jù)的學(xué)習(xí)能力；其次，上采樣階段采用亞像素卷積方法，通過(guò)卷積和多通道間的像素重組實(shí)現(xiàn)特征圖超分辨率重建，以更高精度定位初至；另外，利用遷移學(xué)習(xí)將模型應(yīng)用于中、低信噪比模擬數(shù)據(jù)，僅需少量標(biāo)注數(shù)據(jù)即可訓(xùn)練得到最優(yōu)初至拾取模型。實(shí)際算例表明：與Ｕ-Ｎｅｔ方-法相比，ＳＤ-Ｎｅｔ訓(xùn)練效率明顯提高；網(wǎng)絡(luò)模型具有更高準(zhǔn)確率和魯棒性；遷移學(xué)習(xí)模型預(yù)測(cè)的結(jié)果驗(yàn)證了ＳＤ-Ｎｅｔ具有較強(qiáng)的泛化能力；該方法在實(shí)際生產(chǎn)應(yīng)用中對(duì)實(shí)現(xiàn)高效、準(zhǔn)確的初至智能拾取具有重要意義。

關(guān)鍵詞：初至拾取，Ｕ-Ｎｅｔ，殘差學(xué)習(xí)模塊，亞像素卷積方法，ＳＤ-Ｎｅｔ，遷移學(xué)習(xí)

中圖分類(lèi)號(hào)：Ｐ６３１ 文獻(xiàn)標(biāo)識(shí)碼：Ａ dol：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００-７２１０．２０２３．０２．００２