精确的速度模型在高精度地震成像中起着要害作用。作为一个非线性逆问题，传统速度建模办法因为数据中短少低频重量、核算功率低一级问题在实践地震勘探中受到限制。

  近来，精密丈量院毛伟建研讨团队在高分辨率油气勘探地震保幅成像方面获得一系列新进展。团队凭借人工智能、散射波场和点分散函数等多学科理论和办法，展开交叉学科研讨，立异提出高精度人工智能速度建模、逆散射保幅成像条件以及点分散函数深度域反演技能，为处理长期以来困扰深层杂乱地质条件下的油储特征反演和猜测难题给出了新的思路。

  该系列研讨成果2022年在世界闻名地学Q1区学术期刊上宣布5篇论文，其间2篇宣布在《IEEE地球科学和遥感汇刊》 (《IEEE TGRS》), 3篇宣布在《IEEE 地球科学和遥感快报》(《IEEE GRSL》)上。

  精确的速度模型在高精度地震成像中起着要害作用。作为一个非线性逆问题，传统速度建模办法因为数据中短少低频重量、核算功率低一级问题在实践地震勘探中受到限制。团队凭借深度学习办法迫临不同数据域之间的非线性映射函数的强壮才能，来处理原始地震数据高效速度建模问题。

  在这项工作中，该团队开发了一种数据驱动反演办法，该办法根据具有编码器-解码器结构的多标准深度卷积神经网络，以直接从原始地震数据中处理具有不一样标准速度模型的反演问题。经过规划紧缩矩阵紧缩输入数据，网络可以得到恣意标准的猜测。

  跟着地震勘探进入更精密的岩性成像阶段(如：深水、深层、杂乱贮存、非常规贮存等)，怎么正确理解地震成像成果，成为极为要害的问题。传统的地震成像以求取地震反射率为方针，在深层成像阶段会出现成像数值不精确等问题。该团队以地震波散射理论为根底，提出各向异性逆散射反演成像条件，并将此成像条件用于逆时偏移。该办法可以有用核算地层参数扰动值，为超深层保幅地震成像供给了有用的办法。

  地震勘探阅历了从二维走向三维，从叠后走向叠前，从时刻域成像走向深度域成像的开展进程。但是，现在在工业界，仍缺少在深度域直接进行反演的有用技能。现有办法不足以满意精密储层解说的需求并核算量很大。针对以上问题，该团队开展了一种根据点分散函数的深度域最小二乘反演办法，避免了“时深转换”的进程，大幅度提高了反演功率。该办法可以有用地均衡照明，明晰描写断层面，显着提高空间分辨率。而且核算量只要传统数据域最小二乘办法的1/10。