基于融合降噪先验与多尺度特征聚合的微地震震源定位方法

摘要

随着地震勘探采集数据量的激增，传统微地震定位方法难以满足当前水力压裂实时定位的需求且在采集过程中受环境噪声干扰，导致信噪比较低，影响震源定位精度。为此，提出一种基于深度学习的自监督-监督混合学习方法，首先采用卷积降噪自编码器(CDAE)进行自监督预训练，在去噪的同时学习数据中的波形特征；随后将CDAE的编码器部分作为特征提取模块，与全卷积定位模块级联，构建联合定位模型；最后利用少量标签数据微调网络，实现从含噪的微地震数据到震源空间分布的非线性映射。通过线性模型和Marmousi-2模型进行试验测试并与U-Net等网络进行对比。结果表明，提出的联合定位网络在仅使用少量标签数据训练情况下，仍可实现高精度震源定位效果。

关键词

微地震监测 / 降噪先验 / 特征聚合 / 震源定位 / 深度学习

基金资助

国家自然科学基金面上项目(42374164); 山东省泰山学者特聘专家项目(tstp20230615); 中国海油湛江分公司科研项目(202418018212); 中国石油塔里木油田分公司科研项目(671024115010); 中国石油长庆油田分公司科研项目(2024D2ZZ01); 中国石化胜利油田分公司科研项目(30200020-24-ZC0613-0044)