随着油气勘探不断向深层、超深层推进,地震数据在传播过程中受到地层吸收与能量衰减的影响,往往呈现频带受限、高频成分缺失的特征,导致薄层和小尺度构造难以分辨,严重制约了精细地质解释与成像精度。为有效拓展地震资料的频率带宽,提升薄层识别与断裂成像能力,本文提出了一种面向频率感知的小波变换混合网络结构(Frequency-Aware Wavelet U-Net,简称FAWU-Net),用于地震数据的高频成分增强。
该方法融合了小波变换(DWT)、注意力机制和经典U-Net架构,通过在编码-解码路径中嵌入小波频带分解模块,将地震数据显式划分为低频结构信息与高频细节信息。网络利用注意力门对低频分量进行结构引导性保留,同时对高频分量进行增强处理,并在解码阶段重建高分辨率地震信号。为了兼顾频率恢复与结构保真,作者设计了融合频域与空间域的复合损失函数,其中频域部分基于傅里叶变换后的功率谱均方误差,空间域部分则采用多尺度结构相似性(MS-SSIM)指标,以强化地震同相轴的连续性。

图1 FAWU-Net模型结构:(a)网络整体框架,(b)注意力机制模块,(c)小波变换模块
在训练策略上,本文引入迁移学习机制,先利用多频率、多扰动合成地震数据进行预训练,再结合浅层实测地震数据进行微调,使模型在具备广泛适应性的同时,能够针对目标区域特征进行自适应优化。实验结果显示,FAWU-Net不仅能够有效恢复受损的高频能量,还能保持地震同相轴的连续性与构造边界的清晰度,优于传统U-Net网络与调谐型谐波增强方法。频谱分析、RMS振幅属性及三维时间切片对比进一步验证了该方法在深部地震资料中的频率扩展能力与构造解析优势。

图 2:不同方法处理处理效果比较:(a) 原始地震数据,(b) U-Net 处理结果,(c) 谐波提频处理结果,(d) 本文方法处理结果
研究成果近期发表在地学领域国际重要期刊IEEE Transcations on Geoscicence and Remote Sensing。研究成果由中国石油大学(华东)深部油气重点实验室支持,论文第一作者为苏裕斐博士,通讯作者为宋建国教授。该方法为地震高频恢复任务提供了一种融合频率感知、结构注意、迁移学习的新思路,对于复杂地质条件下的高分辨率成像具有重要应用价值。
论文信息:Y. Su, J. Song, W. Duan, Z. Li and Z. Wang, "Frequency-Aware Wavelet U-Net: A Hybrid Framework for Seismic Data High-Frequency Expansion," in IEEE Transactions on Geoscience and Remote Sensing, vol. 63, pp. 1-8, 2025, Art no. 5916108, doi: 10.1109/TGRS.2025.3582616.