基于无监督深度学习的随机缺失地震数据插值方法及装置

摘要

本发明提供了一种基于无监督深度学习的随机缺失地震数据插值方法及装置。基于三维卷积神经网络(CNN)，使用原始数据中观测到的地震道作为标签构建损失函数，以自监督的方式训练插值网络参数。具体包括三步：使用一对互补的掩模算子分别与原始观测数据进行点积构造样本对作为训练数据集；使用训练数据集训练三维CNN参数，其中损失函数为对应于原始观测地震道位置的网络重建地震道和原始数据之间的均方误差；使用训练好的网络对整个原始缺失数据进行插值重建。本发明仅通过掩模算子实现网络的自监督训练，灵活性强、操作简单并且易于移植到各种监督学习网络框架中。数值实验表明，本发明插值精度优于传统MSSA方法，且接近同等条件下的监督学习性能。