在地震勘探和微地震监测领域，准确高效拾取地震数据的初至获得走时信息，对于后续的处理解释环节至关重要。然而，受地形起伏、低速体、近地表噪声干扰等因素影响，浅层接收到的地震数据质量往往不尽如人意，严重制约了地震数据处理的精度和效率。因此，研发一种准确高效的地震数据初至拾取方法，成为地震数据处理领域的关键技术难题。
针对这一问题，地质力学研究所地球科学数据中心张浩副研究员及其团队（李华丽、周远剑、施辉、陈程等）经过深入研究和实践探索，提出了一种基于SimpleNet网络的地震数据初至拾取方法，并于近日获得国家发明专利授权（专利号：ZL 202411227157.8，授权公告号：CN 118968225 B）。该方法是一种基于人工智能深度神经网络的数据处理方法，通过将浅层地震数据初至拾取任务转化为语义分割问题，利用SimpleNet这种高效简洁的神经网络模型自动学习和优化权重结构，实现准确数据分析预测。网络由特征提取器、适配器、异常特征生成器和鉴别器组成，训练时通过简单鉴别器简化异常检测，提高计算效率。训练阶段，正常样本经特征提取器获取局部特征，再通过适配器适配到目标域，添加高斯噪声合成异常特征，用于训练鉴别器。推断时移除异常特征生成器，实现自适应学习率调整。该技术在地震勘探与微地震监测领域应用前景广阔，能提高静校正效果，改善地震成像质量，为地质构造解释、油气勘探、钾盐深层卤水勘查等提供数据处理支持，还可以应用到微地震长期监测、灾害评估等领域，实际意义重大。地质力学研究所将加大技术推广，提升成熟度，推动成果转化，为地震数据处理提供技术支持，助力地质科学研究和资源勘探发展。
图1 授权发明专利证书
图2方法原理与应用效果示意图
