基于深度学习的地震资料提高分辨率方法技术

本发明专利技术提供一种基于深度学习的地震资料提高分辨率方法，包括：步骤1，输入应用区内所有测井曲线，提取反射系数；步骤2，进行精细井震标定，完成时深转换；步骤3，生成宽带子波；步骤4，基于宽带子波和反射系数序列构建宽带合成地震记录；步骤5，提取对应各井的过井地震记录；步骤6，基于过井地震记录和对应的合成地震记录构建深度网络模型；步骤7，采用深度网络模型提高分辨率预测。该基于深度学习的地震资料提高分辨率方法可以最大程度的挖掘地震信息与测井信息的关系，还具有良好的泛化能力，能有效提高全区地震分辨率，也为后续处理过程提供了有效的技术支撑和保障。供了有效的技术支撑和保障。供了有效的技术支撑和保障。

【技术实现步骤摘要】
基于深度学习的地震资料提高分辨率方法


[0001]本专利技术涉及油田开发
，特别是涉及到一种基于深度学习的地震资料提高分辨率方法。

技术介绍

[0002]随着世界油气需求的日益增加，石油勘探开发工作已经越来越深入，油气勘探的潜在目标越来越复杂，寻找岩性油气藏、隐蔽油气藏、碳酸盐岩油气藏、薄层、薄互层等复杂地质异常体已经成为目前油气藏勘探和开发的主要目标。这就要求相应的勘探技术水平不断地提高，其核心问题就是提高地震勘探的分辨率。
[0003]受限于环境、设备等因素，陆上地震资料主频偏低，成果剖面频带较窄，其分辨能力受到地震数据本身的限制难以有效的、合理的进行提升。而通过井震联合处理，对地震资料进行井约束反褶积，引入测井信号中的高频信息，可以有效拓宽剖面频带，提高成果资料的分辨率。而常规的井约束反褶积都是逐单井提取反褶积因子，再通过插值等方法推广到全区，在这一过程中缺乏对数据整体的考虑，推广方法也欠缺合理性。
[0004]深度学习方法是一种完全基于数据的分析方法，通过设计算法和模型对已知数据进行学习，挖掘数据内在的相互联系，从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的地震资料提高分辨率方法，其特征在于，该基于深度学习的地震资料提高分辨率方法包括：步骤1，输入应用区内所有测井曲线，提取反射系数；步骤2，进行精细井震标定，完成时深转换；步骤3，生成宽带子波；步骤4，基于宽带子波和反射系数序列构建宽带合成地震记录；步骤5，提取对应各井的过井地震记录；步骤6，基于过井地震记录和对应的合成地震记录构建深度网络模型；步骤7，采用深度网络模型提高分辨率预测。2.根据权利要求1所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤1中，依次输入工区内所有测井曲线，并提取相应的深度域反射系数序列R(d)。3.根据权利要求2所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤2中，对测井记录与过井地震记录进行精细井震标定，将步骤1中得到的反射系数序列R(d)转换到时间域R(t)。4.根据权利要求1所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤3中，根据测井记录提取子波或参考目标频带范围生成宽带子波。5.根据权利要求4所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤3中，参考工区内实际资料与目标频带，在[p，q]频率范围内构建B样条四参数宽带子波w(t)，具体的表达式为：其中f
b
表示带宽，m为整数，其数值影响子波旁瓣的大小，p、q为频率重构的上、下限，sin c为辛格函数，表示为：6.根据权利要求1所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤4中，将步骤3中生成的宽带子波与步骤2中得到的时间域反射系数序列进行褶积处理，得到测井宽带合成地震记录。7.根据权利要求6所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤4中，测井宽带合成地震记录y(t)的表达式为：y(t)＝w(t)*R(t) (式3)式中，R(t)为时间域反射系数序列，w(t)为参数宽带子波，依次处理所有反射系数序列后得到宽带合成记录集合Y。8.根据权利要求1所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤5中，提取各井对应的过井地震记录，根据资料情况，对各方向的过井道进行叠加，组成集合X。9.根据权利要求1所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤6中，以步骤5中提取的过井地震记录为有标签样本，以步骤4中得到的宽带合成地震记录
为标签，构建CycleGAN模型，并完成对抗训练。10.根据权利要求9所述的基于深度学习的地震资料提高分辨率方法，其特征在于，在步骤6中，CycleGAN模型包含两个单向的GAN模型并组成循环对抗，模型损失函数由三部分组成，表示为：L(G，F，D
X
，D
Y
)＝L
GAN

【专利技术属性】
技术研发人员：王东凯，王延光，韩宏伟，尚新民，李继光，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司物探研究院，
类型：发明
国别省市：