【技术实现步骤摘要】
一种利用深度学习法提取地震数据低频部分的方法和系统
本专利技术涉及一种利用深度学习法提取地震数据低频部分的方法和系统，属于地震信号处理
技术介绍
近些年，地震勘探迎来了一个新的时代，“两宽一高”(宽频带、宽方位、高密度)不仅仅是地震数据采集环节的质量要求，也是后续处理及解释流程中必备的质控标准。目的就是获得更高质量、更多维度的原始地震资料，并把这些丰富的信息应用的储层预测、井位部署及开发环节中。宽频带，指地震数据具有更高的高频和更低的低频成份，其中低频成份尤为重要。地震波在地下传播时候，由于高频信息更容易吸收和衰减，所以低频信息携带着更深地层的信息；低频信息可以为反演提供更准确的低频模型，打破依赖井插值获得低频模型的传统方法，尤其在探区井少且勘探目标为非均质储层条件下，低频信息建立的模型尤为重要；根据倍频程的公式，地震低频信息的丰富可以较高频信息更显著的增加倍频程，从而提高地震数据的分辨能力；从无线电发射角度讲，高频信息是低频信息的载波，大地滤波类似于“解调”过程，保留下来的低频信息是保证地震数据反演结果接
【技术保护点】
1.一种利用深度学习法提取地震数据低频部分的方法，其特征在于，包括以下步骤：/nS1通过对预训练的地震波信号进行模拟，生成正演地震数据，利用所述正演地震数据形成训练数据集；/nS2建立初始深度学习模型，并通过所述训练数据集对所述初始深度学习模型进行训练，获得最终的深度学习模型，所述深度学习模型用于提取所述地震波信号低频部分的特征图；/nS3将待提取地震波信号带入所述最终的深度学习模型，并对所述待提取地震波信号的低频部分进行提取。/n
【技术特征摘要】
1.一种利用深度学习法提取地震数据低频部分的方法，其特征在于，包括以下步骤：
S1通过对预训练的地震波信号进行模拟，生成正演地震数据，利用所述正演地震数据形成训练数据集；
S2建立初始深度学习模型，并通过所述训练数据集对所述初始深度学习模型进行训练，获得最终的深度学习模型，所述深度学习模型用于提取所述地震波信号低频部分的特征图；
S3将待提取地震波信号带入所述最终的深度学习模型，并对所述待提取地震波信号的低频部分进行提取。
2.如权利要求1所述的利用深度学习法提取地震数据低频部分的方法，其特征在于，预训练的地震波信号通过选择速度模型和子波的波形进行正演模拟。
3.如权利要求2所述的利用深度学习法提取地震数据低频部分的方法，其特征在于，若所述速度模型为海上模型，所述海上模型边界条件采用吸收边界条件；所述子波采用宽频Yu氏子波。
4.如权利要求2所述的利用深度学习法提取地震数据低频部分的方法，其特征在于，所述正演地震数据通过高通滤波生成样本集合；通过低通滤波生成标签集合，所述样本集合和标签集合共同组成训练数据集。
5.如权利要求4所述的利用深度学习法提取地震数据低频部分的方法，其特征在于，对所述训练数据集和待提取地震波信号进行标准化处理，所述标准化处理包括L2范数标准化、极大极小标准化和z-score标准化中的至少一种。
6.如权利要求1-5任一项所述的利用深度学习法提取地震数据低频部分的方法，其特征在于，所述深度学习模型为卷积神经网络模型，所述训练数...
【专利技术属性】
技术研发人员：杜向东，丁继才，张金淼，朱振宇，翁斌，王清振，姜秀娣，赵小龙，张益明，吴克强，
申请(专利权)人：中海石油中国有限公司，中海石油中国有限公司北京研究中心，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。