来源：期刊VIP网 时间：
作者：梁兵;郭廷超;许冲;鲍伟;潘成磊;
单位：中国石油化工股份有限公司江苏油田分公司;中国石油化工股份有限公司江苏油田分公司物探研究院;
摘要：随着地震数据空间采样密度的提高，混合震源采集逐渐成为提高采集效率的有效手段之一,而对于混采数据进行有效分离是混合震源数据处理的重要一环。本文提出了一种基于残差U-Net网络的海上双源交替激发混采数据智能分离技术。该方法首先将共炮道集混采数据分选为共检波点道集数据，以此来降低非主震源激发信号的相关性，然后基于残差UNet网络实现双源混采数据的智能分离。相比传统U-Net网络，本文的网络模型增加了网络深度，并在下采样过程中引入了卷积残差模块，有效避免了梯度消失和梯度爆炸问题，提升了特征提取能力，尤其在细节问题处理上，更好地保护了有效信息。通过模型试算和实际资料处理，验证了该网络在海洋混采数据分离中的良好效果。实验结果表明，残差U-Net网络能够有效分离混采数据，且不损失有效信号，显著提高了分离结果的信噪比。研究结果可为海洋地震混采数据的高精度分离提供新思路，为后续地震资料处理奠定基础。
关键词：混采分离;;深度学习;;残差U-Net网络;;分离精度
基金资助：中国石化科技部项目(P22162)
