本发明专利技术提供一种地震速度预测方法、装置及服务器，所述方法包括：获取并根据共中心点道集数据提取第一特征图集合以及根据速度谱数据提取第二特征图集合；将第一特征图集合与第二特征图集合进行特征集合融合获得第三特征图集合并根据第三特征图进行训练，获得均方根速度集合和层速度集合；根据均方根速度集合和层速度集合进行神经网络训练获得预测模型，根据预测模型预测均方根速度和层速度。通过利用共中心点道集和速度谱两个不同域中隐含的关联地震速度信息，利用深度混合神经网络从多元数据中提取特征信息，通过多元信息约束训练模型装置，预测地震均方根速度和层速度，提高了预测地震的均方根速度和层速度的准确性。预测地震的均方根速度和层速度的准确性。预测地震的均方根速度和层速度的准确性。
【技术实现步骤摘要】
地震速度预测方法、装置及服务器
[0001]本专利技术涉及计算机视觉领域，尤其涉及一种地震速度预测方法、装置及服务器。
技术介绍
[0002]地震勘探是地球物理勘探中最重要、解决油气勘探问题最有效的一种方法。它是钻探前勘测石油与天然气资源的重要手段，在煤田和工程地质勘查、区域地质研究和地壳研究等方面，也得到广泛应用。
[0003]随着地震勘探程度的不断深入和技术条件的不断改善，速度分析的研究有了一定进展。现有技术中通常采用优化搜寻算法确定地震速度，主要是利用最优化算法和最大相似度量准则，设置一定的速度约束条件，对初始速度模型加以扰动，自动寻找速度谱中叠加能量的最优解从而获得速度预测模型，并根据训练后的速度预测模型预测地震速度。
[0004]然而，随着勘探难度的日益增大以及人们对复杂构造的研究不断深入，现有技术中对于横向速度突变的构造复杂地区，依赖于初始层速度模型的方法预测的地震速度准确性较低。
技术实现思路
[0005]本专利技术的目的在于提供一种地震速度预测方法、装置及服务器，以提高预测地震的均方根速度和层速度的准确性。
[0006]第一方面，本专利技术提供一种地震速度预测方法，包括：
[0007]获取共中心点道集数据以及速度谱数据，并根据所述共中心点道集数据提取第一特征图集合以及根据所述速度谱数据提取第二特征图集合；
[0008]将所述第一特征图集合与所述第二特征图集合进行特征集合融合获得第三特征图集合，并根据所述第三特征图进行神经网络训练，获得均方根速度集合和层速度集合；
[0009]根据均方根速度集合和层速度集合进行神经网络训练获得预测模型，并根据所述预测模型预测地震的均方根速度和层速度。
[0010]在一种可能的设计中，所述根据均方根速度集合和层速度集合进行神经网络训练获得预测模型，包括：
[0011]根据均方根速度集合和层速度集合神经网络进行训练分别获得层速度损失函数集和均方根速度损失函数集；
[0012]根据层速度损失函数集以及均方根速度损失函数集确定最小损失函数，并根据所述最小损失函数确定预测模型。
[0013]在一种可能的设计中，所述根据所述共中心点道集数据提取第一特征图集合，包括：
[0014]根据所述共中心点道集数据进行卷积训练，获得第一特征图集合；
[0015]相应地，所述根据所述速度谱数据提取第二特征图集合，包括：
[0016]根据所述速度谱数据进行卷积训练，获得第二特征图集合。
[0017]在一种可能的设计中，所述将所述第一特征图集合与所述第二特征图集合进行特征集合融合获得第三特征图集合，包括：
[0018]分别将所述第一特征图集合以及所述第二特征图集合进行拼接和自编码获得第一中间特征图集合和第二中间特征图集合；
[0019]根据所述第一中间特征图集合和所述第二中间特征图集合进行卷积神经网络训练，获得第三特征图集合。
[0020]在一种可能的设计中，在所述根据所述预测模型预测地震的均方根速度和层速度之后，还包括：
[0021]根据预测的均方根速度和所述层速度进行地震速度场建模，获得动校正后的地震共中心点道集数据；
[0022]将动校正后的地震共中心点道集数据发送至地震施工监测平台，使得监管人员根据动校正道集拉平程度评估施工质量。
[0023]第二方面，本专利技术实施例提供一种地震速度预测装置，基于第一方面任一项所述的地震速度预测方法，包括：
[0024]获取模块，用于获取共中心点道集数据以及速度谱数据，并根据所述共中心点道集数据提取第一特征图集合以及根据所述速度谱数据提取第二特征图集合；
[0025]融合模块，用于将所述第一特征图集合与所述第二特征图集合进行特征集合融合获得第三特征图集合，并根据所述第三特征图进行神经网络训练，获得均方根速度集合和层速度集合；
[0026]预测模块，用于根据均方根速度集合和层速度集合进行神经网络训练获得预测模型，并根据所述预测模型预测地震的均方根速度和层速度。
[0027]在一种可能的设计中，所述地震速度预测装置还包括发送模块，所述发送模块用于根据预测的均方根速度和所述层速度进行地震速度场建模，获得动校正后的地震共中心点道集数据；将动校正后的地震共中心点道集数据发送至地震施工监测平台，使得监管人员根据动校正道集拉平程度评估施工质量。
[0028]第三方面，本专利技术实施例提供一种服务器，包括：至少一个处理器和存储器；
[0029]所述存储器存储计算机执行指令；
[0030]所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的地震速度预测方法；
[0031]第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的地震速度预测方法。
[0032]第五方面，本专利技术实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的地震速度预测方法。
[0033]本专利技术实施例提供的一种地震速度预测方法、装置及服务器，通过获取共中心点道集数据以及速度谱数据，并根据共中心点道集数据提取第一特征图集合以及根据速度谱数据提取第二特征图集合；将第一特征图集合与第二特征图集合进行特征集合融合获得第三特征图集合，并根据第三特征图进行神经网络训练，获得均方根速度集合和层速度集合；根据均方根速度集合和层速度集合进行神经网络训练获得预测模型，并根据预测模型预测
地震的均方根速度和层速度。本专利技术实施例通过利用共中心点道集和速度谱两个不同域中隐含的关联地震速度信息，利用深度混合神经网络从多元数据中提取特征信息，并通过多元信息约束训练模型装置，预测地震均方根速度和层速度，提高了预测地震的均方根速度和层速度的准确性。
附图说明
[0034]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0035]图1为本专利技术实施例提供的地震速度预测方法流程图一；
[0036]图2为本专利技术实施例提供的门控循环神经网络的结构示意图；
[0037]图3为现有的地震速度单道预测效果示意图；
[0038]图4为本专利技术实施例提供的多信息约束的地震速度预测效果示意图；
[0039]图5为本专利技术实施例提供的地震速度预测方法流程图二；
[0040]图6为本专利技术实施例提供的地震速度预测装置的结构示意图；
[0041]图7为本专利技术实施例提供的服务器结构示意图。
具体实施方式
[0042]通过上述附图，已示出本专利技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本专利技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。
[0043]随着计本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种地震速度预测方法，其特征在于，包括：获取共中心点道集数据以及速度谱数据，并根据所述共中心点道集数据提取第一特征图集合以及根据所述速度谱数据提取第二特征图集合；将所述第一特征图集合与所述第二特征图集合进行特征集合融合获得第三特征图集合，并根据所述第三特征图进行神经网络训练，获得均方根速度集合和层速度集合；根据均方根速度集合和层速度集合进行神经网络训练获得预测模型，并根据所述预测模型预测地震的均方根速度和层速度。2.根据权利要求1所述的方法，其特征在于，所述根据均方根速度集合和层速度集合进行神经网络训练获得预测模型，包括：根据均方根速度集合和层速度集合神经网络进行训练分别获得层速度损失函数集和均方根速度损失函数集；根据层速度损失函数集以及均方根速度损失函数集确定损失函数，并根据所述损失函数确定预测模型。3.根据权利要求1所述的方法，其特征在于，所述根据所述共中心点道集数据提取第一特征图集合，包括：根据所述共中心点道集数据进行卷积训练，获得第一特征图集合；相应地，所述根据所述速度谱数据提取第二特征图集合，包括：根据所述速度谱数据进行卷积训练，获得第二特征图集合。4.根据权利要求1所述的方法，其特征在于，所述将所述第一特征图集合与所述第二特征图集合进行特征集合融合获得第三特征图集合，包括：分别将所述第一特征图集合以及所述第二特征图集合进行拼接和自编码获得第一中间特征图集合和第二中间特征图集合；根据所述第一中间特征图集合和所述第二中间特征图集合进行卷积神经网络训练，获得第三特征图集合。5.根据权利要求1至4任一项所述的方法，其特征在于，在所述根据所述预测模型预测地震的均方根速度和层速度之后，还包括：根据预测的均方根速度和所述层速度...
【专利技术属性】
技术研发人员：袁三一，张海风，高杨，桑文镜，王尚旭，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：
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。