近日，我校成景旺副教授研究团队在海洋地震高效混采数据分离研究方面取得重要进展，在国际地学顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（地学大类1区TOP 期刊；影响因子8.2）发表论文“Deblending of Simultaneous-Source Seismic Data Based on Deep Convolutional Neural Network”。该论文提出了一种基于深度卷积神经网络的混采数据分离方法，利用多震源混合数据本身生成训练样本，对多震源混合共炮点记录的每道地震数据进行随机时间延迟编码来模拟次震源造成的随机噪音，混合数据即可作为训练样本的标签数据。该方法解决了深度学习在地震混采数据中标签数据难以获取的问题，同时获得高精度的分离结果。

（a）混合多炮数据（b）分离单炮数据（c）分离噪音（d）真实单炮数据（e）分离数据与真实数据误差（f）误差与真实数据局部相似图

该论文第一作者为成景旺副教授，该工作得到了国家自然科学基金青年项目，山西省自然科学青年基金项目等的资助。

论文全文链接：DOI: 10.1109/TGRS.2022.3153642