论文部分内容阅读
层析成像是目前生产中用于速度建模非常关键的技术。但在工业化生产中,需要人工去拾取"剩余时差",并且需要射线追踪来计算额外的参数(例如层析速度建模中的"雅可比"矩阵),这是非常耗时的一件工作。结合非常实用的人工智能技术,提出一种使用深度学习来优化层析速度建模效率和精度的智能化物探技术,通过搭建深度学习模型,学习共成像点道集(CIG)上的"剩余时差"特征,直接建立CIG上"剩余时差"和速度差之间的关系,避免了常规层析速度建模中耗时的"剩余时差"拾取和射线追踪。测试结果表明,相比于传统建模方法,基于深度学习的速度建模方法无需附加任何约束和干预,不仅实现了完全自动化,而且具有更高的建模精度。