本说明书涉及地震勘探采集、处理与解释技术领域，具体地公开了一种基于神经网络和动态时间规整的地震层位拾取方法及装置，其中，该方法包括：获取多个二维地震剖面数据以及多个二维标签数据；将多个二维地震剖面数据以及多个二维标签数据输入至预设的数据与模型联合驱动模型中；调取神经网络子模型，以利用多个二维地震剖面数据与多个二维标签数据之间的非线性映射关系生成二维层位概率图；调取动态时间规整子模型对神经网络子模型输出的二维层位概率图进行局部修正，以提取出目标层位，得到二维层位数据；对数据与模型联合驱动模型进行多次分批式迭代训练，得到训练好的数据与模型联合驱动模型。上述方案可以提高层位拾取的准确性和效率。的准确性和效率。的准确性和效率。
【技术实现步骤摘要】
基于神经网络和动态时间规整的地震层位拾取方法及装置
[0001]本说明书涉及地震勘探采集、处理与解释
，特别涉及一种基于神经网络和动态时间规整的地震层位拾取方法及装置。
技术介绍
[0002]层位拾取是地震解释工作中基础且重要的一步。依据不同的层位拾取技术可以从地震剖面上拾取到多个地震层位，其中重点关注的几个地震层位称为目标层位。这些目标层位是研究的油气储层段的上下界面，或反映特殊的地质时期分界面(如陆相沉积过渡到海相沉积)。因此，刻画目标层位具有重要的油气地质勘探开发价值与意义。层位追踪的结果可以用来确定钻井的位置、判断油气储存的分布。近几年来，随着简单构造油气藏的开发殆尽，复杂油气藏的开采逐渐得到人们的关注。然而，采集处理的复杂油气藏地震数据往往存在分辨率较低、噪声较强、波形横向变化大等问题，这给层位拾取工作带来了较大的难度。
[0003]地震层位拾取技术发展至今，大致可分为手动拾取和自动拾取两类。手动拾取是解释人员依靠地质和地球物理知识及工作经验，在目标层位位置稀疏地解释有限数量的纵横测线剖面，再依据地震波形的相似性采用纯数学插值的方法追踪其他剖面上的层位线，从而得到三维的目标层系层位曲面。然而，手工拾取方法极大地依赖解释人员的主观经验。并且，当拾取层位线比较粗糙时，层位结果往往精度较低，容易忽略重要的地质异常体；当拾取层位线较精细时，会极大的耗费人力物力，降低拾取效率。因此，为了达到更准确、更高效的拾取目的，研究人员设计出各种层位自动拾取方法。
[0004]目前层位自动拾取方法主要可以分为三类：基于相关的层位自动拾取方法、基于神经网络的层位自动拾取方法以及基于像元的层位自动拾取方法。基于相关的层位自动拾取方法是利用地震道波形特征，寻找一致的波峰、波谷或零值点；基于神经网络的层位自动拾取方法是利用深度神经网络以及计算机强大的算力，通过学习大量的样本提取层位特征属性从而达到对层位进行自动拾取的目的；而像元追踪是通过引入图像处理领域中的像元概念，将地震记录点看成像元，通过比较目标窗口内的像元之间的相似性，将相似性达到最高的像元点作为追踪目标。
[0005]然而，目标层位自动拾取方法存在诸多问题，如对数据要求较高、受到很多假设条件的限制、可解释性不强、数据不能多样化、需要较多样本才能达到拾取目的等。而且，这些方法获得的层位拾取结果往往非常粗糙，容易错误地将目标层位附近区域以外的其他位置判定为目标层位，最终导致目标层位拾取结果破碎杂乱且存在诸多非目标层位假象。
[0006]针对上述问题，目前尚未提出有效的解决方案。
技术实现思路
[0007]本说明书实施例提供了一种基于神经网络和动态时间规整的地震层位拾取方法及装置，以解决现有技术中目标层位拾取方法的效率和精度较低的问题。
[0008]本说明书实施例将地震目标层位拾取问题转换为多分类地震图像分割问题，并考虑到传统数据驱动类层位拾取模型难以获得准确的目标层位拾取结果，提供了一种基于神经网络和动态时间规整的地震层位拾取方法，包括：获取多个二维地震剖面数据以及多个二维标签数据，其中，所述多个二维标签数据与所述多个二维地震剖面数据一一对应；将所述多个二维地震剖面数据以及所述多个二维标签数据输入至预设的数据与模型联合驱动模型中，其中，所述数据与模型联合驱动模型包括神经网络子模型和动态时间规整子模型；调取所述神经网络子模型，以利用所述多个二维地震剖面数据与所述多个二维标签数据之间的非线性映射关系生成所述多个二维地震剖面数据中各二维地震剖面数据对应的二维层位概率图；调取所述动态时间规整子模型对所述神经网络子模型输出的所述各二维地震剖面数据对应的二维层位概率图进行局部修正，以从所述各二维地震剖面数据对应的二维层位概率图中提取出目标层位，得到所述各二维地震剖面数据对应的二维层位数据；基于所述二维层位数据与所述二维标签数据对所述数据与模型联合驱动模型进行多次分批式迭代训练，得到训练好的数据与模型联合驱动模型，其中，所述数据与模型联合驱动模型用于拾取目标地震层位。
[0009]在一个实施例中，在得到训练好的数据与模型联合驱动模型之后，还包括：将目标地震数据体中的多个二维目标地震剖面数据输入至所述训练好的数据与模型联合驱动模型中，得到所述多个二维目标地震剖面数据中各二维目标地震剖面数据对应的二维目标层位数据；基于所述各二维目标地震剖面数据对应的二维目标层位数据，生成所述目标地震数据体对应的三维层位数据。
[0010]在一个实施例中，在基于所述各二维目标地震剖面数据对应的二维目标层位数据，生成所述目标地震数据体对应的三维目标层位数据之后，还包括：根据所述三维层位数据，确定所述目标地震数据体对应的沿层地震属性数据，其中，所述沿层地震属性包括以下至少之一：沿着目标层位的均方根振幅属性、沿着目标层位的地质导向相干属性、地震层位等T0图、对目标层位周围区域拉平图以及多个方向中各方向上的目标层位是否闭合；判断所述沿层地震属性数据是否满足预设条件；在判断出所述沿层地震属性数据满足预设条件的情况下，将所述三维层位数据作为所述目标地震数据体对应的目标层位数据。
[0011]在一个实施例中，在判断所述沿层地震属性数据是否满足预设条件之后，还包括：在判断出所述沿层地震属性数据不满足预设条件的情况下，重新获取多个二维地震剖面数据以及多个二维标签数据并调整所述神经网络子模型中的模型参数，并进行多次分批式迭代训练，得到新训练好的数据与模型联合驱动模型，直至基于新训练好的数据与模型联合驱动模型得到的沿层地震属性数据满足预设条件。
[0012]在一个实施例中，所述数据与模型联合驱动模型用于同时拾取出多套目标地震层位。
[0013]在一个实施例中，所述数据与模型联合驱动模型在训练的过程中采用的损失函数为：
[0014][0015]其中，Focal Loss为所述损失函数，DTW(Net(x,w))是经过数据与模型双驱动层位拾取系统后输出表征层位的概率图，x为原始地震剖面，w表示深度神经网络内部参数；y表
示层位标签数据类别；γ称为调制系数；α用于控制正负样本对在总损失的共享权重。
[0016]本说明书实施例还提供了一种基于神经网络和动态时间规整的地震层位拾取装置，包括：获取模块，用于获取多个二维地震剖面数据以及多个二维标签数据，其中，所述多个二维标签数据与所述多个二维地震剖面数据一一对应；输入模块，用于将所述多个二维地震剖面数据以及所述多个二维标签数据输入至预设的数据与模型联合驱动模型中，其中，所述数据与模型联合驱动模型包括神经网络子模型和动态时间规整子模型；生成模块，用于调取所述神经网络子模型，以利用所述多个二维地震剖面数据与所述多个二维标签数据之间的非线性映射关系生成所述多个二维地震剖面数据中各二维地震剖面数据对应的二维层位概率图；提取模块，用于调取所述动态时间规整子模型对所述神经网络子模型输出的所述各二维地震剖面数据对应的二维层位概率图进行局部修正，以从所述各二维地震剖面数据对应的二维层位概率图中提取出目标层位，得到所述各二维地本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络和动态时间规整的地震层位拾取方法，其特征在于，包括：获取多个二维地震剖面数据以及多个二维标签数据，其中，所述多个二维标签数据与所述多个二维地震剖面数据一一对应；将所述多个二维地震剖面数据以及所述多个二维标签数据输入至预设的数据与模型联合驱动模型中，其中，所述数据与模型联合驱动模型包括神经网络子模型和动态时间规整子模型；调取所述神经网络子模型，以利用所述多个二维地震剖面数据与所述多个二维标签数据之间的非线性映射关系生成所述多个二维地震剖面数据中各二维地震剖面数据对应的二维层位概率图；调取所述动态时间规整子模型对所述神经网络子模型输出的所述各二维地震剖面数据对应的二维层位概率图进行局部修正，以从所述各二维地震剖面数据对应的二维层位概率图中提取出目标层位，得到所述各二维地震剖面数据对应的二维层位数据；基于所述二维层位数据与所述二维标签数据对所述数据与模型联合驱动模型进行多次分批式迭代训练，得到训练好的数据与模型联合驱动模型，其中，所述数据与模型联合驱动模型用于拾取目标地震层位。2.根据权利要求1所述的方法，其特征在于，在得到训练好的数据与模型联合驱动模型之后，还包括：将目标地震数据体中的多个二维目标地震剖面数据输入至所述训练好的数据与模型联合驱动模型中，得到所述多个二维目标地震剖面数据中各二维目标地震剖面数据对应的二维目标层位数据；基于所述各二维目标地震剖面数据对应的二维目标层位数据，生成所述目标地震数据体对应的三维层位数据。3.根据权利要求2所述的方法，其特征在于，在基于所述各二维目标地震剖面数据对应的二维目标层位数据，生成所述目标地震数据体对应的三维目标层位数据之后，还包括：根据所述三维层位数据，确定所述目标地震数据体对应的沿层地震属性数据，其中，所述沿层地震属性包括以下至少之一：沿着目标层位的均方根振幅属性、沿着目标层位的地质导向相干属性、地震层位等T0图、对目标层位周围区域拉平图以及多个方向中各方向上的目标层位是否闭合；判断所述沿层地震属性数据是否满足预设条件；在判断出所述沿层地震属性数据满足预设条件的情况下，将所述三维层位数据作为所述目标地震数据体对应的目标层位数据。4.根据权利要求3所述的方法，其特征在于，在判断所述沿层地震属性数据是否满足预设条件之后，还包括：在判断出所述沿层地震属性数据不满足预设条件的情况下，重新获取多个二维地震剖面数据以及多个二维标签数据并调整所述神经网络子模型中的模型参数，并进行多次分批式迭代训练，得到新训练好的数据与模型联合驱动模型，直至基于...
【专利技术属性】
技术研发人员：袁三一，于越，桑文镜，陈帅，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。