Es gibt eine umfangreiche Fachliteratur, die zeigt, dass die Prestack Kirchhoff-Tiefenmigration (PSDM) unter Verwendung der Erstankunftszeiten in Regionen mit komplexer Geologie oft suboptimale migrierte Bilder erzeugt. Dies bezieht sich auf Gebiete mit erheblichen Variationen der Ausbreitungsgeschwindigkeit seismischer Wellen. Um diese Einschränkung zu beheben, haben Forscher seit den 1990er Jahren die Verwendung der energetischsten Ankunftszeiten für die Kirchhoff-Migration untersucht, anstatt sich ausschließlich auf die Erstankünfte zu verlassen. Es wurde gezeigt, dass dieser Ansatz genauere und zuverlässigere Untersalz-Bilder und Offset-Bildsätze liefert. Der Hauptnachteil besteht jedoch in der erheblichen Zunahme der Rechenzeit, da die Berechnung der energetischsten Ankünfte oft die Lösung der Wellengleichung erfordert, die rechenintensiver ist als die Eikonal-Gleichung, die für Erstankünfte verwendet wird. Diese Studie konzentriert sich auf den zweidimensionalen akustischen Fall und zielt darauf ab, die Berechnungsbelastung für die Erzeugung von Maximalenergie-Ankunftszeiten durch den Einsatz von maschinellen Lerntechniken zu verringern. Insbesondere wurden U-Net-ähnliche Architekturen in einem überwachten Lernrahmen verwendet, um die energetischsten Ankunftszeiten vorherzusagen, wobei Geschwindigkeitsmodelle und Erstankunftszeiten als Eingaben dienten. Die Wahl von U-Net basiert auf seiner Robustheit und Vielseitigkeit in verschiedenen Anwendungen. Darüber hinaus wurden Diffusionsmodelle auf die U-Net-Ausgaben angewendet, um die Qualität der migrierten Bilder weiter zu verbessern. Zur Validierung des vorgeschlagenen Ansatzes wurde das Marmousi-Geschwindigkeitsmodell unter Verwendung der vorhergesagten Ankunftszeiten migriert. Die resultierenden migrierten Bilder wurden mit denen verglichen, die mit der traditionellen Kirchhoff-Migration unter Verwendung von Erstankunfts- und energetischsten Ankunftszeiten erzeugt wurden. Diese Arbeit zeigt, dass der U-Net-basierte Ansatz die Recheneffizienz erheblich verbessert und die Verarbeitungszeit um etwa zwei Größenordnungen reduziert. In besonders komplexen geologischen Szenarien ist jedoch die Auflösung der U-Net-Ergebnisse manchmal geringer als gewünscht. Der Einsatz von Diffusionsmodellen verbesserte die Bildqualität, führte jedoch zu einem Anstieg der Rechenzeit.