2023年第38卷第1期2023，38(1):0361-0381地球物理学进展ProgressinGeophysicshttp://www．progeophys．cnISSN1004-2903CN11-2982/P易继东，张敏，李振春，等．2023．深度学习地震数据重建方法研究综述．地球物理学进展，38(1):0361-0381，doi:10．6038/pg2023GG0048．YIJiDong，ZHANGMin，LIZhenChun，etal．2023．Ｒeviewofdeeplearningseismicdatareconstructionmethods．ProgressinGeophysics(inChinese)，38(1):0361-0381，doi:10．6038/pg2023GG0048．深度学习地震数据重建方法研究综述Ｒeviewofdeeplearningseismicdatareconstructionmethods易继东1，张敏1，2*，李振春1，2，李可欣1YIJiDong1，ZHANGMin1，2*，LIZhenChun1，2，LIKeXin1收稿日期2022-05-19;修回日期2022-10-21．投稿网址http://www．progeophys．cn基金项目中国石油重大科技合作项目“塔里木盆地深层复杂高陡构造与碳酸盐岩储层地震速度建模及成像关键技术研究”(ZD2019-183-003)和国家自然科学基金项目“面向深层岩性油气藏的黏弹性参数反演成像方法研究”(42074133)联合资助．第一作者简介易继东，男，1997年生，硕士研究生，主要从事地震数据重建及去噪方面的研究．E-mail:z20010061@s．upc．edu．cn*通讯作者张敏，女，1983年生，高级实验师，目前从事地震波传播与成像相关研究工作．E-mail:zhangm@upc．edu．cn1．中国石油大学(华东)地球科学与技术学院，青岛2665802．山东省深层油气重点实验室，中国石油大学(华东)，青岛2665801．SchoolofEarthScienceandTechnology，ChinauniversityofPetroleum(EastChina)，Qingdao266580，China2．ShandongProvincialKeyLaboratoryofDeepOilandGas，ChinaUniversityofPetroleum(EastChina)，Qingdao266580，China摘要由于自然条件限制和人为因素的影响，实际采集得到的地震数据往往会出现地震道数据缺失的情况，会对后续的地震数据处理和解释制造困难，需要对地震数据进行重建．而传统地震数据重建方法通常存在着重建效果受先验条件约束、超参数选择需要人工干预、自动化程度低等问题．于是人们将目光投向发展迅速的深度学习领域，截至今日已经有不少深度学习方法应用于地震数据重建领域以解决上述地震数据重建过程中的问题．本文将着重分析具有代表性的深度学习地震数据重建方法，分别基于卷积神经网络、循环神经网络、卷积自编码器、生成对抗性网络．通过重建结果残差对比图，重建结果信噪比分析等方法对深度学习地震数据重建方...
