颠倒地震数据以建立3D地质结构是一项艰巨的任务，这是由于大量获得的地震数据，以及由于波动方程的迭代数值解决方案而引起的最高计算负载，如行业标准的工具所要求的，例如Full WaveForm反转（FWI）。例如，在3.5公里$ \ $ 4.5公里的地面尺寸的区域中，3D模型重建需要数百个地震射击场立方体，从而导致记录数据的Terabytes。本文提出了一种深度学习解决方案，用于在地震调查中记录的田间噪声的情况下重建现实的3D模型。我们实施和分析了一个卷积编码器架构，该体系结构有效地处理了数百种地震收集立方体的整个集合。所提出的解决方案表明，在存在10dB信噪比的场噪声的情况下，可以以结构相似性指数度量（SSIM）为0.8554（在1.0中）重建现实的3D模型。
translated by 谷歌翻译