塔里木沙漠区地表为复杂的黄土和沙漠,非均质性较强,面波传播到非均质散射体时会激发散射面波.常规的面波压制方法是利用面波和有效波在能量、频率和视速度上特征区别来设计滤波器,在变换域下压制面波.然而,散射面波与有效波的特征混淆在一起,无法通过常规滤波方法去除.针对塔里木沙漠区散射面波干扰的实际问题,本文提出一种深度学习方法来进行压制,提高叠前数据信噪比.首先,在合成速度模型和实际速度模型上利用弹性波方程正演模拟出散射面波,构造深度学习训练集,验证深度学习方法在散射面波压制上的可行性;然后,利用工业方法处理野外数据来构造实际训练集,在合成数据训练网络的基础上进行参数微调和网络迁移.数值实验表明,使用迁移学习方法能够利用较少的训练样本实现与大量训练样本类似的效果.
NETL
NSTL
万方数据
维普
