【技术实现步骤摘要】
基于U-net++卷积神经网络的初至波拾取方法及装置
[0001]本专利技术涉及地球物理勘探领域，尤其涉及一种基于U-net++卷积神经网络的初至波拾取方法及装置。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]在地震资料处理中，准确拾取初至波是一项基础而又很重要的工作。地震初至波拾取在折射波静校正、VSP测井解释、层析成像中都起着重要的作用，其准确程度直接决定地震资料的处理结果。
[0004]在早期，对于地震初至波的拾取，采用的方式主要是手工拾取，由于采集的地震数据道集数量庞大(常常是上万道)，使得地震初至波拾取成为一项耗时费力、十分枯燥且效率低下的工作。
[0005]近年来，众多学者针对初至波拾取技术的研究，提出了多种初至自动拾取方法，按照特征可分为以下几大类：
[0006]①
基于瞬时特征的方法(例如，能量比值法、瞬时强度比法、差分法、能量因子法等)，该类方法的优点是物理意义明确...
【技术保护点】
【技术特征摘要】
1.一种基于U-net++卷积神经网络的初至波拾取方法，其特征在于，包括：获取待拾取的地震道集数据，其中，所述地震道集数据包括：多个地震道；将所述待拾取的地震道集数据，输入至初至波拾取模型中，输出各个地震道的初至时间，其中，所述初至波拾取模型为预先通过机器学习训练得到的U-net++卷积神经网络模型。2.如权利要求1所述的方法，其特征在于，所述方法还包括：构建U-net++卷积神经网络模型，其中，所述U-net++卷积神经网络模型包括：卷积层、池化层和复制叠加层。3.如权利要求2所述的方法，其特征在于，所述方法还包括：获取训练样本数据；根据所述训练样本数据，对U-net++卷积神经网络模型进行训练，得到初至波拾取模型。4.如权利要求3所述的方法，其特征在于，所述方法还包括：获取测试样本数据；根据所述测试样本数据，对训练得到的初至波拾取模型进行验证。5.如权利要求4所述的方法，其特征在于，所述方法还包括：采集激发地震信号产生的共炮点道集数据；对所述共炮点道集数据进行初至波标注，得到初至波标注数据；按照预设比例，将初至波标注数据划分为训练样本数据和测试样本数据。6.如权利要求5所述的方法，其特征在于，所述方法还包括：对采集的共炮点道集数据进行缺失值处理。7.如权利要求6所述的方法，其特征在于，所述方法还包括：对缺失值处理后的共炮点道集数据进行数据分割处理，使得数据分割处理后的共炮点道集数据具有相同地震道数和采样数。8.如权利要求7所述的方法，其特征在于，所述方法还包括：对数据分割处理后的共炮点道集数据...
【专利技术属性】
技术研发人员：龚仁彬，郑晓东，王锋，周相广，林霞，米兰，蒋旭东，胡莲莲，李薇薇，张烈，
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：
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。