【技术实现步骤摘要】
初至拾取方法及装置
[0001]本专利技术涉及石油勘探
,尤其是涉及一种初至拾取方法及装置。
技术介绍
[0002]随着高效高密度采集技术的发展和可控震源的广泛应用,所采地震数据的数量不断提高,初至拾取工作量越来越大,需要拾取处理的时间长,经济成本高。由于勘探目标区域日趋复杂,构造变化大,表面速度变化大,造成地震记录中信噪比低,初至波变得复杂,拾取困难。传统的初至拾取方法,如相关法、能量比法等经典的基于理论模型的初至检测方法,对这些情况下的初至检测效果欠佳。
技术实现思路
[0003]本专利技术提供了一种初至拾取方法及装置,可以提高初至波拾取的效率和精度,降低野外初至拾取的成本。
[0004]第一方面,本专利技术实施例提供了一种初至拾取方法,该方法包括获取地震数据、时窗信息和所述地震数据的初至信息;根据所述地震数据、所述时窗信息和所述初至信息确定训练样本数据;所述训练样本数据包括初至属性数据和初至标签数据;利用所述初至属性数据和所述初至标签数据确定生成网络模型的权值参数;所述生成网络模型用于提取所述初至属性数据中的初至特征数据,以及用于还原所述初至特征数据的位置;根据所述生成网络模型和所述权值参数生成待检地震数据的初至拾取结果。
[0005]第二方面,本专利技术实施例还提供一种初至拾取装置,该装置包括获取模块,用于获取地震数据、时窗信息和所述地震数据的初至信息;样本模块,用于根据所述地震数据、所述时窗信息和所述初至信息确定训练样本数据;所述训练样本数据包括初至属性数据和初至标签数 ...
【技术保护点】
【技术特征摘要】
1.一种初至拾取方法,其特征在于,包括:获取地震数据、时窗信息和所述地震数据的初至信息;根据所述地震数据、所述时窗信息和所述初至信息确定训练样本数据;所述训练样本数据包括初至属性数据和初至标签数据;利用所述初至属性数据和所述初至标签数据确定生成网络模型的权值参数;所述生成网络模型用于提取所述初至属性数据中的初至特征数据,以及用于还原所述初至特征数据的位置;根据所述生成网络模型和所述权值参数生成待检地震数据的初至拾取结果。2.根据权利要求1所述的方法,其特征在于,根据所述地震数据、所述时窗信息和所述初至信息确定训练样本数据,包括:根据所述地震数据和所述时窗信息确定第一初至属性数据;根据所述初至信息确定所述地震数据的第一初至标签数据;根据所述第一初至属性数据和所述第一初至标签数据确定训练样本数据。3.根据权利要求2所述的方法,其特征在于,包括根据所述地震数据和所述时窗信息按照如下公式确定第一初至属性数据:FBProperty
i
=FBTransform
i
(SeisData)其中,FBTransform
i
表示第i种初至属性提取函数,SeisData表示地震数据,是大小为DepthLength
×
TraceCount的矩阵,DepthLength为炮集数据中地震道数据长度,TraceCount为道集数据中地震道的个数,FBProperty
i
提取的第i种第一初至属性数据,数据大小与SeisData一致。4.根据权利要求2所述的方法,其特征在于,根据所述初至信息确定所述地震数据的第一初至标签数据,包括:将地震道数据作为行数据,将深度位置数据作为列数据确定目标矩阵;所述目标矩阵的地震道数据个数和深度位置数据个数分别与所述初至属性数据中的地震道数据个数和深度位置数据个数相同;确定所述目标矩阵中各元素的值,以确定第一初至标签数据;所述目标矩阵中的元素用于标识初至数据或非初至数据。5.根据权利要求4所述的方法,其特征在于,根据所述第一初至属性数据和所述第一初至标签数据确定训练样本数据,包括:根据所述地震道数据和所述深度位置数据,将所述第一初至属性数据切割为多个第一子矩阵数据,并将所述第一初至标签数据切割为多个第二子矩阵数据;所述第一子矩阵数据与所述第二子矩阵数据的大小相同;判断所述第二子矩阵数据中初至数据的个数是否满足预设范围;如果是,则将所述第二子矩阵数据作为初至标签数据,将所述第二子矩阵数据对应的第一子矩阵数据作为初至属性数据;如果否,则删除所述第二子矩阵数据和所述第二子矩阵数据对应的第一子矩阵数据。6.根据权利要求1所述的方法,其特征在于,根据所述地震数据、所述时窗信息和所述初至信息确定训练样本数据之后,还包括:根据地形倾斜数据对所述训练样本数据进行旋转变换处理,以扩充所述训练样本数据
的数量。7.根据权利要求1所述的方法,其特征在于,利用所述初至属性数据和所述初至标签数据确定生成网络模型的权值参数,包括:采用正态分布初始化方法初始化所述生成网络模型的权值参数;利用初始化后的生成网络模型和所述初至属性数据生成学习结果;根据所述学习结果和所述初至标签数据确定生成网络模型的权值参数。8.根据权利要求7所述的方法,其特征在于,包括利用如下公式根据所述学习结果和所述初至标签数据确定生成网络模型的权值参数:a=σ(z)where z=∑W
j
×
X
j
+b其中,C为交叉熵损失函数,y为初至标签数据,a为学习结果,W
j
为神经元权值,X
j
为神经元输入,b为常值。9.根据权利要求1-8任一项所述的方法,其特征在于,根据所述生成网络模型和所述权值参数生成待检地震数据的初至拾取结果之前,还包括:根据所述生成网络模型和所述权值参数生成待检地震数据的第一初至拾取结果;根据所述第一初至拾取结果和所述初至标签数据生成所述生成网络模型的评价结果;若所述评价结果不满足预设条件,则重新确定生成网络模型的权值参数。10.根据权利要求9所述的方法,其特征在于,包括按照如下公式根据所述第一初至拾取结果和所述初至标签数据生成所述生成网络模型的评价结果:取结果和所述初至标签数据生成所述生成网络模型的评价结果:取结果和所述初至标签数据生成所述生成网络模型的评价结果:其中,G
*
为总损失函数,λ是一个系数,G表示生成网格模型,D表示判别网络模型,x表示初至样本数据,y表示初至标签数据,z表示噪声扰动,G(x,z)表示生成网络生成的第一初至拾取结果,D(x,y)表示判别网络生成的评价结果,E
x,y
和E
x,z
表示误差函数。11.一种初至拾取装置,其特征在于,包括:获取模块,用于获取地震数据、时窗信息和所述地震数据的初至信息;样本模块,用于根据所述地震数据、所述时...
【专利技术属性】
技术研发人员:潘英杰,许银坡,倪宇东,邹雪峰,白志宏,田磊,
申请(专利权)人:中国石油集团东方地球物理勘探有限责任公司,
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。