基于生成扩散模型的智能绕射波分离方法

摘要

绕射波中蕴含着丰富的与断层、尖灭、盐丘以及缝洞型储集体等非均质性构造关键的信息，但传统基于平面波分解(PWD)和深度学习的方法在复杂数据下的分离精度仍不理想。条件去噪扩散概率模型(c-DDPM)是一种高级的深度生成模型，具有高度的可追踪性和灵活性。通过卷积建模高效生成训练数据集并使用c-DDPM有效分离完整波场数据中的地震绕射波。在训练过程中，全波场数据作为条件输入，绕射波数据作为目标输出。训练完成后，c-DDPM能够从全波场数据中分离出绕射波。在合成数据集和实地数据集测试c-DDPM的性能。结果表明，所训练的c-DDPM能够学习地震绕射波的重要特征，并在共偏移距域中有效分离绕射波。

关键词

条件去噪扩散概率模型(c-DDPM) / 深度生成模型 / 地震绕射波分离