地震数据处理方法及系统技术方案

本申请实施例提供一种地震数据处理方法及系统，方法包括：获取地震数据的第一目标类型特征数据；将第一目标类型特征数据输入对应的特征识别机器学习模型中，并将输出作为目标类型特征数据对应的识别结果数据；根据第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将输出作为地震数据的对应的数据处理参数；应用地震数据的数据处理参数对地震数据进行对应处理。本申请能够有效提高地震数据处理的准确性，并能够有效提高地震数据的处理效率、自动化程度及准确性，进而能够有效提高应用该地震数据处理结果进行地震数据模拟及石油勘探的准确性及可靠性。地震数据模拟及石油勘探的准确性及可靠性。地震数据模拟及石油勘探的准确性及可靠性。

【技术实现步骤摘要】
地震数据处理方法及系统


[0001]本申请涉及地震数据分析
，具体涉及地震数据处理方法及系统。

技术介绍

[0002]机器学习是人工智能领域的研究热点并已广泛应用于各个领域的数据处理之中。目前机器学习主要采用递归类的神经网络进行，部分采用多层网络被称为深度学习网络。
[0003]机器学习通过建立模型对输入数据进行分类和识别后输出数据处理后的结果。针对地震数据而言，现有的机器学习地震数据处理技术也都是采用上述思路进行地震数据处理。
[0004]利用机器学习建立模型后对地震数据直接处理存在如下问题：1、直接使用机器学习方法处理地震数据得到的结果都是基于非线性方法求得，可靠性无法保证；2、直接使用机器学习方法处理地震数据导致现有的非机器学习的地震数据处理方法被遗弃，其中优秀的方法技术难以得到有效利用；3、直接使用机器学习方法处理地震数据在样本数不充分的情况下精度较低，然而地震数据形态变化大，无法获得充分的样本；4、直接使用机器学习方法处理地震数据一旦结果误差较大，只能通过修正样本的方式进行优化和调整，效率低，进而也会影响根据地震数据处理结果进行地震数据模拟以及石油勘探的准确性。

技术实现思路

[0005]针对现有技术中的问题，本申请提供一种地震数据处理方法及系统，能够有效提高地震数据处理的准确性，并能够有效提高地震数据的处理效率、自动化程度及准确性，进而能够有效提高应用该地震数据处理结果进行地震数据模拟及石油勘探的准确性及可靠性。
[0006]为解决上述技术问题，本申请提供以下技术方案：
[0007]第一方面，本申请提供一种地震数据处理方法，包括：
[0008]获取地震数据的第一目标类型特征数据；
[0009]将所述第一目标类型特征数据输入对应的特征识别机器学习模型中，并将该特征识别机器学习模型的输出作为目标类型特征数据对应的识别结果数据；
[0010]根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数；
[0011]应用所述地震数据的数据处理参数对地震数据进行对应处理。
[0012]进一步地，所述第一目标类型特征数据包括：地震数据初至走时值；
[0013]所述识别结果数据包括：由初至走时精度的等级分值组成的地震数据初至分布特征数据；
[0014]所述特征识别机器学习模型的输入还包括工区基准面高程数据和工区常用替换速度数据。
[0015]进一步地，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：
[0016]对所述地震数据初至分布特征数据进行平滑或中值滤波处理以消除所述地震数据初至分布特征数据中的异常值，得到消除异常值后的地震数据初至分布特征数据；
[0017]将消除异常值后的地震数据初至分布特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的数据处理参数，其中，所述数据处理参数包括：静校正处理参数。
[0018]进一步地，所述应用所述地震数据的数据处理参数对地震数据进行对应处理，包括：
[0019]根据所述静校正处理参数对地震数据进行静校正处理。
[0020]进一步地，所述第一目标类型特征数据包括：全工区地震数据在不同频率下的振幅值；
[0021]所述识别结果数据包括：由地震数据的振幅在数据采集工区参数上的分布范围组成的地震数据能量分布特征数据，其中，所述数据采集工区参数包括数据采集工区的空间、时间和频率参数中的至少一种。
[0022]进一步地，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：
[0023]对所述地震数据能量分布特征数据进行平滑或中值滤波处理以消除所述地震数据能量分布特征数据中的异常值，得到消除异常值后的地震数据能量分布特征数据；
[0024]将消除异常值后的地震数据能量分布特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的数据处理参数，其中，所述数据处理参数包括：异常能量衰减或吸收衰减补偿处理参数。
[0025]进一步地，所述应用所述地震数据的数据处理参数对地震数据进行对应处理，包括：
[0026]根据所述异常能量衰减或吸收衰减补偿处理参数对地震数据进行异常能量衰减或吸收衰减补偿处理。
[0027]进一步地，所述第一目标类型特征数据包括：地震数据相干信号；
[0028]所述识别结果数据包括：由地震数据的相干信号在数据采集工区参数上的分布范围组成的地震数据相干信号分布特征数据，其中，所述数据采集工区参数包括数据采集工区的空间、时间和频率参数中的至少一种。
[0029]进一步地，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：
[0030]对所述地震数据相干信号分布特征数据进行平滑或中值滤波处理以消除所述地震数据相干信号分布特征数据中的异常值，得到消除异常值后的地震数据相干信号分布特征数据；
[0031]将消除异常值后的地震数据相干信号分布特征数据输入对应的数据处理机器学
习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的数据处理参数，其中，所述数据处理参数包括：相干噪声衰减处理参数。
[0032]进一步地，所述应用所述地震数据的数据处理参数对地震数据进行对应处理，包括：
[0033]根据所述地震数据的数据处理参数对地震数据进行相干噪声衰减处理。
[0034]进一步地，所述第一目标类型特征数据包括：地震数据连续同相轴数据；
[0035]所述识别结果数据包括：由地震数据的连续同相轴在数据采集工区参数上的分布范围组成的地震数据连续同相轴分布特征数据，其中，所述数据采集工区参数包括数据采集工区的空间、时间和频率参数中的至少一种。
[0036]进一步地，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：
[0037]对所述地震数据连续同相轴分布特征数据进行平滑或中值滤波处理以消除所述地震数据连续同相轴分布特征数据中的异常值，得到消除异常值后的地震数据连续同相轴分布特征数据；
[0038]将消除异常值后的地震数据连续同相轴分布特征数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地震数据处理方法，其特征在于，包括：获取地震数据的第一目标类型特征数据；将所述第一目标类型特征数据输入对应的特征识别机器学习模型中，并将该特征识别机器学习模型的输出作为目标类型特征数据对应的识别结果数据；根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数；应用所述地震数据的数据处理参数对地震数据进行对应处理。2.根据权利要求1所述的地震数据处理方法，其特征在于，所述第一目标类型特征数据包括：地震数据初至走时值；所述识别结果数据包括：由初至走时精度的等级分值组成的地震数据初至分布特征数据；所述特征识别机器学习模型的输入还包括工区基准面高程数据和工区常用替换速度数据。3.根据权利要求2所述的地震数据处理方法，其特征在于，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：对所述地震数据初至分布特征数据进行平滑或中值滤波处理以消除所述地震数据初至分布特征数据中的异常值，得到消除异常值后的地震数据初至分布特征数据；将消除异常值后的地震数据初至分布特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的数据处理参数，其中，所述数据处理参数包括：静校正处理参数。4.根据权利要求3所述的地震数据处理方法，其特征在于，所述应用所述地震数据的数据处理参数对地震数据进行对应处理，包括：根据所述静校正处理参数对地震数据进行静校正处理。5.根据权利要求1所述的地震数据处理方法，其特征在于，所述第一目标类型特征数据包括：全工区地震数据在不同频率下的振幅值；所述识别结果数据包括：由地震数据的振幅在数据采集工区参数上的分布范围组成的地震数据能量分布特征数据，其中，所述数据采集工区参数包括数据采集工区的空间、时间和频率参数中的至少一种。6.根据权利要求5所述的地震数据处理方法，其特征在于，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：对所述地震数据能量分布特征数据进行平滑或中值滤波处理以消除所述地震数据能量分布特征数据中的异常值，得到消除异常值后的地震数据能量分布特征数据；将消除异常值后的地震数据能量分布特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的数据处理参数，其中，所述数据
处理参数包括：异常能量衰减或吸收衰减补偿处理参数。7.根据权利要求6所述的地震数据处理方法，其特征在于，所述应用所述地震数据的数据处理参数对地震数据进行对应处理，包括：根据所述异常能量衰减或吸收衰减补偿处理参数对地震数据进行异常能量衰减或吸收衰减补偿处理。8.根据权利要求1所述的地震数据处理方法，其特征在于，所述第一目标类型特征数据包括：地震数据相干信号；所述识别结果数据包括：由地震数据的相干信号在数据采集工区参数上的分布范围组成的地震数据相干信号分布特征数据，其中，所述数据采集工区参数包括数据采集工区的空间、时间和频率参数中的至少一种。9.根据权利要求8所述的地震数据处理方法，其特征在于，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：对所述地震数据相干信号分布特征数据进行平滑或中值滤波处理以消除所述地震数据相干信号分布特征数据中的异常值，得到消除异常值后的地震数据相干信号分布特征数据；将消除异常值后的地震数据相干信号分布特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的数据处理参数，其中，所述数据处理参数包括：相干噪声衰减处理参数。10.根据权利要求9所述的地震数据处理方法，其特征在于，所述应用所述地震数据的数据处理参数对地震数据进行对应处理，包括：根据所述地震数据的数据处理参数对地震数据进行相干噪声衰减处理。11.根据权利要求1所述的地震数据处理方法，其特征在于，所述第一目标类型特征数据包括：地震数据连续同相轴数据；所述识别结果数据包括：由地震数据的连续同相轴在数据采集工区参数上的分布范围组成的地震数据连续同相轴分布特征数据，其中，所述数据采集工区参数包括数据采集工区的空间、时间和频率参数中的至少一种。12.根据权利要求11所述的地震数据处理方法，其特征在于，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：对所述地震数据连续同相轴分布特征数据进行平滑或中值滤波处理以消除所述地震数据连续同相轴分布特征数据中的异常值，得到消除异常值后的地震数据连续同相轴分布特征数据；将消除异常值后的地震数据连续同相轴分布特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的数据处理参数，其中，所述数据处理参数包括：一致性或剩余静校正处理参数。13.根据权利要求12所述的地震数据处理方法，其特征在于，所述应用所述地震数据的
数据处理参数对地震数据进行对应处理，包括：根据所述一致性或剩余静校正处理参数对地震数据进行一致性或剩余静校正处理。14.根据权利要求1所述的地震数据处理方法，其特征在于，所述第一目标类型特征数据包括：地震数据同相轴连续程度数据；所述识别结果数据包括：由地震数据同相轴连续程度分值组成的地震数据同相轴连续程度特征数据，其中，所述数据采集工区参数包括数据采集工区的空间、时间和频率参数中的至少一种。15.根据权利要求14所述的地震数据处理方法，其特征在于，所述根据所述第一目标类型特征数据确定对应的第二目标类型特征数据，将该第二目标类型特征数据输入对应的数据处理机器学习模型中，并将该数据处理机器学习模型的输出作为所述地震数据的对应的数据处理参数，包括：对所述地震数据同相轴连续程度特征数据进行平滑或中值滤波处理以消除所述地震数据同相轴连续程度特征数据中的异常值，得到消除异常值后的地震数据同相轴连续程度特征数据；将消除异常值后的地震数据同相轴连续程度特征数据输入对应的数据处理机器学习模型中，并将该数据处...

【专利技术属性】
技术研发人员：首皓，曹宏，曾同生，崔栋，张征，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：