元处理：多任务地震处理的稳健框架
摘要：基于机器学习的地震处理任务(SPT)通常需要单独训练，并且需要大量的训练数据。然而，获取训练数据集并不容易，尤其是对于监督学习(SL)来说。然而，不同类型和不同地区的地震数据通常具有共同的特征，如它们的正弦性质和几何纹理。为了学习共享特征，从而快速适应各种SPT，我们开发了一种基于神经网络的地震处理的统一范式，称为元处理(Meta-Processing)，它使用有限的训练数据进行元学习，获得普适的适应性特征。提出的元处理框架包括两个阶段:元训练和元测试。在元训练阶段，每个SPT被视为单独的任务，训练数据集被划分为支持集和查询集。与传统的SL方法不同，这里的神经网络(NN)参数是通过从支持集到查询集的双层梯度下降进行更新的，通过所有任务的迭代。在元测试阶段，我们还利用有限的数据以SL的方式对优化的NN参数进行微调，进行各种SPT，如去噪、插值、去地滚、图像增强和速度估计等，旨在快速收敛到理想的性能。通过全面的数值实验评估了元处理在合成数据和野外数据上的性能。结果表明，我们的方法显著提高了NN的收敛速度和预测精度。
作者：Shijun Cheng, Randy Harsuko, Tariq Alkhalifah
论文ID：2307.14851
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-07-28