一种基于生成对抗网络的含断层标记地震数据样本集增广方法技术

技术编号:35511537 阅读:39 留言:0更新日期:2022-11-09 14:26
本发明专利技术公开了一种基于生成对抗网络的含断层标记地震数据样本集增广方法,具体涉及地球物理技术领域。本发明专利技术通过在实测地震数据中提取断层地震数据及其标签,构建断层地震数据样本集后,再构建含有生成器和判别器的对抗网络模型,利用断层地震数据样本集训练对抗网络模型的生成器和判别器,并采用训练后的对抗网络模型构建地震数据增广模型对断层地震数据样本集进行数据增广,批量生成断层地震数据后,评价地震数据增广模型生成断层地震数据的质量。本发明专利技术基于深度学习方法实现了对断层地震数据的增广处理,生成与实际地震数据特征一致性较高的断层地震数据样本,有效提高了深度学习网络训练数据的多样性和稳定性,为地震模型的训练奠定了基础。型的训练奠定了基础。型的训练奠定了基础。

【技术实现步骤摘要】
一种基于生成对抗网络的含断层标记地震数据样本集增广方法


[0001]本专利技术涉及地球物理
,具体涉及一种基于生成对抗网络的含断层标记地震数据样本集增广方法。

技术介绍

[0002]近年来,人工智能作为一种新的数据驱动技术,其在多个领域的应用均取得了不错的成果,多次波和随机噪音的去除已成为人工智能应用于地球物理学领域的热点。
[0003]传统方法一般通过分析和提取有效信号和噪声之间的特征差异,人工设计滤波器去除噪声,而人工智能方法可以提供端到端的去噪能力,将改进的成熟网路结构应用到去噪中,同时,人工智能方法还能被应用到数据的恢复和重构中,通过随机或者规律性的抽取地震记录或地震剖面中的道数据,借用采用完整数据训练出的深度神经网络恢复缺失数据的完整性。人工智能方法应用于初至波拾取处理中,改善了初至波的拾取精度,特别是对低能量、低信噪比、相位变化的实际数据具有优势。有些方法将初至波拾取视为分类问题,将每个时间节点视为一类;有些方法将每个时间节点视为一个二分类节点,将初至时间标定为1、其他时间标定为0,增加网络的稳定性;有些方法则将初至波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的含断层标记地震数据样本集增广方法,其特征在于,具体包括以下步骤:步骤1,获取实测地震数据,从实测地震数据中提取断层地震数据及其标签,构建断层地震数据样本集;步骤2,构建对抗网络模型,利用断层地震数据样本集训练对抗网络模型的生成器和判别器;步骤3,对抗网络模型训练完成后,采用训练后的对抗网络模型构建地震数据增广模型,将断层地震数据样本集输入地震数据增广模型中,利用地震数据增广模型批量生成断层地震数据,对断层地震数据样本集进行数据增广;步骤4,采用Wasserstein距离作为对抗网络模型训练效果的评价指标,评价地震数据增广模型生成断层地震数据的质量。2.根据权利要求1所述的一种基于生成对抗网络的含断层标记地震数据样本集增广方法,其特征在于,所述步骤2中,具体包括以下步骤:步骤2.1,构建包含生成器和判别器的对抗网络模型,初始化设置对抗网络模型中的权重和超参数,再分别设置生成器和判别器;步骤2.2,在断层地震数据样本集中选取断层地震数据输入生成器中,利用生成器生成假断层地震数据形成假图像;步骤2.3,保持对抗网络模型中判别器的参数不变,设置对抗网络模型的收敛条件为判别器能够判断出生成器生成的假图像,根据步骤2.2中选取的断层地震数据获取真实地层的地震图像样本,将生成器生成的假图像和真实地层的地震图像样本共同输入判别器中,若判别器能够判断出生成器生成的假图像,则调整生成器的参数,返回步骤2.2中继续训练生成器,若判别器无法判断出生成器生成的假图像,则进入步骤2.4中;步骤2.4,保持对抗网络模型中生成器的参数不变,设置对抗网络模型的收敛条件为判别器能够判断出生成器生成的假图像,在断层地震数据样本集中选取断层地震数据输入生成器中生成假图像,同时,将根据选取的断层地震数据获取真实地层的地震图像样本,判别器根据真实地层的地震图像样本对生成器生成的假图像进行判断,若判别器无法判断出生成器生成的假图像,则返回步骤2.4中继续训练判别器;若判别器能够判断出生成器生成的假图像,则进入步骤...

【专利技术属性】
技术研发人员:丁仁伟赵硕韩天娇赵俐红支鹏遥张玉洁杨晶
申请(专利权)人:山东科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1