随着现代社会的发展与进步,石油、天然气等能源的勘探与开采技术也得到了极大的发展。但是受限于勘探技术的发展,以及野外恶劣的探测条件所影响,实际勘探中采集到的地震数据通常伴随着大量缺失。而不完整的地震数据会严重影响油气开采的后续工作,由此引出了国内外学者广泛关注的地震数据重构问题。并从地震数据固有的低秩、稀疏等特性出发提出了许多不错的优化算法。但是随着油气勘探的不断推进,现有储油地区地下结构越来越复杂。为了更准确的探测地下结构,对勘探水平要求提高的同时,对地震信号重构算法的重构性能也提出了更高的要求。本文针对叠后地震数据从低秩先验约束和数据驱动两个角度提出了两种不同的地震信号重构算法,以提高地震数据重构质量。1.本文提出了一种基于低秩张量分解的正则化方法。该方法通过一种新的张量分解模型将低秩性约束与Hankel变换合理的结合起来。低秩张量分解模型本身对数据低秩性要求比较苛刻,而Hankel变换恰到好处的将数据的低秩性进行了增强。在此基础上,本文针对有噪和无噪叠后地震数据的重构问题,分别设计了不同的求解算法。其中无噪版算法NHAM在数据低秩性满足算法要求的情况下,恢复精度比同类算法高出4～5个数量级。本算法在保证重构精度的同时,极大的优化了算法的求解速度;有噪版算法DHAM由于求解过程引入了大量矩阵变换和扩展操作,使得求解速度相对较慢,但是能保证重构的同时提高数据的信噪比。从而可以根据不同的需求调整恢复策略,达到理想的重构效果。2.由于现有以低秩约束正则化的算法模型不能完全拟合地震数据本身的特征,本文提出了一种新的生成对抗网络结构:3D张量补全网络。该网络从地震数据本身出发,通过迭代训练拟合缺失张量与完整张量对间的映射关系,达到输入缺失数据求得其重构结果的目的。为了充分的利用叠后地震数据的高维空间信息来重构地震数据,在网络结构中引入了三维卷积核操作来实现张量补全的目的。并通过Adam算法优化网络参数,batch normalize等方法优化网络参数的收敛速度。在经过大规模样本数据训练后的补全网络,因为模型中抽象出了足够多的地震数据特征,即便数据体本身不满足低秩模型的低秩约束情况下,也通过观测数据很好的重构出完整数据体。