李子航，陈小宏，李景叶，等．基于Ｓ变换与复值Ｕ－Ｎｅｔ网络的地震资料高分辨率处理方法［Ｊ］．石油物探，２０２３，６２（３）：４０６－４１８ＬＩＺｉｈａｎｇ，ＣＨＥＮＸｉａｏｈｏｎｇ，ＬＩｊｉｎｇｙｅ，ｅｔａｌ．Ｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎｓｅｉｓｍｉｃｄａｔａｐｒｏｃｅｓｓｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎＳｔｒａｎｓｆｏｒｍａｎｄｃｏｍｐｌｅｘ－ｖａｌｕｅｄＵ－Ｎｅｔｎｅｔｗｏｒｋ［Ｊ］．ＧｅｏｐｈｙｓｉｃａｌＰｒｏｓｐｅｃｔｉｎｇｆｏｒＰｅｔｒｏｌｅｕｍ，２０２３，６２（３）：４０６－４１８收稿日期：２０２２－０６－２３。第一作者简介：李子航（１９９７—），男，博士在读，主要从事深度学习方法在地震资料处理中的应用研究工作。Ｅｍａｉｌ：ａｈｌｚｈ１＠１６３．ｃｏｍ通信作者：陈小宏（１９６２—），男，教授，博士生导师，主要从事油藏地球物理的教学与研究工作。Ｅｍａｉｌ：ｃｈｅｎｘｈ＠ｃｕｐ．ｅｄｕ．ｃｎ基金项目：国家自然科学基金项目（４１７７４１２９，４１７７４１３１）和国家重点研发计划项目（２０１９ＹＦＣ０３１２００３）共同资助。ＴｈｉｓｒｅｓｅａｒｃｈｉｓｆｉｎａｎｃｉａｌｌｙｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（ＧｒａｎｔＮｏｓ．４１７７４１２９ａｎｄ４１７７４１３１），ａｎｄｔｈｅＮａｔｉｏｎａｌＳｃｉｅｎｃｅａｎｄＤｅｖｅｌｏｐｍｅｎｔＰｒｏｇｒａｍｏｆＣｈｉｎａ（ＧｒａｎｔＮｏ．２０１９ＹＦＣ０３１２００３）．基于Ｓ变换与复值Ｕ－Ｎｅｔ网络的地震资料高分辨率处理方法李子航１，２，陈小宏１，２，李景叶１，２，王建花３，张俊杰１，２，耿伟恒１，２（１．中国石油大学（北京）地球物理学院，北京１０２２４９；２．中国石油大学（北京）油气资源与探测国家重点实验室，北京１０２２４９；３．中海油研究总院有限责任公司，北京１０００２８）摘要：地震资料高分辨率处理方法通过拓展频带范围有效地提高了地震资料的精度。迄今为止，基于深度学习的高分辨率处理方法仅在时域中进行特征提取，忽视了地震数据的频域信息，因而影响高分辨率处理效果。为此，结合深度学习的数据驱动能力与时频分析方法的时频定位能力，提出了一种基于Ｓ变换和复值Ｕ－Ｎｅｔ网络（ＳＴＣＶＵ－Ｎｅｔ）的地震资料高分辨率处理方法。首先，通过褶积模型构建高分辨率...
