一种声波阻抗反演系统和方法技术方案

本发明专利技术属于地球物理勘探技术领域，涉及一种声波阻抗反演系统和方法，包括：模型建立模块，用于建立声波阻抗反演模型，声波阻抗反演模型包括神经网络模型和迁移学习网络模型，神经网络模型的输出端与迁移学习网络模型的输入端连接，神经网络模型的各卷积层输出端均连接滤波器响应规范化层；模型训练模块，用于对声波阻抗反演模型进行训练，采用地震道数据集对神经网络模型进行训练，保持训练好的神经网络模型的参数不变，采用测井数据对迁移学习网络模型进行训练；输出模块，用于根据训练好的声波阻抗反演模型，对全工区的地震道进行声波阻抗反演。其消除了网络训练中对批处理batchsize的依赖，处理结果更加的稳定。处理结果更加的稳定。处理结果更加的稳定。

【技术实现步骤摘要】
一种声波阻抗反演系统和方法


[0001]本专利技术涉及一种基于改进的全卷积残差网络和迁移学习的声波阻抗反演系统和方法，属于地球物理勘探


技术介绍

[0002]声波阻抗反演是利用地震波反射资料预测地层结构和估算岩石性质的常用技术。由于地震数据缺乏低频和高频成分，地震子波未知，以及各种噪声的影响，导致该反演过程涉及到的反问题是不适定的。波阻抗反演本质上是一个具有多种约束条件的优化过程，通常采用传统的基于模型的梯度类优化方法求解，但约束项的选择往往带有很强的主观性。近年来，深度学习蓬勃发展。卷积神经网络(CNN)作为一种很受欢迎的方法，在不同的领域都具有出色的表现。CNN凭借其出色的提取和学习复杂特征的能力，受到越来越多的关注。全卷积神经网络(FCN)是一种特殊的、没有全连接层的CNN，它可以接收任意尺寸的输入数据。目前，CNN和FCN已经被用于解决一些地球物理问题。为了使得CNN更加的容易训练，有学者在卷积网络中加入跳跃连接(shoutcut)形成残差块，来防止网络在训练过程中发生退化，缓解在深度神经网络中增加深度带来的梯度消失问题，这种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种声波阻抗反演系统，其特征在于，包括：模型建立模块、模型训练模块和输出模块；所述模型建立模块，用于建立声波阻抗反演模型，所述声波阻抗反演模型包括神经网络模型和迁移学习网络模型，所述神经网络模型的输出端与所述迁移学习网络模型的输入端连接，所述神经网络模型的各卷积层输出端均连接滤波器响应规范化层；所述模型训练模块，用于对声波阻抗反演模型进行训练，采用地震道数据集对所述神经网络模型进行训练，保持训练好的所述神经网络模型的参数不变，采用测井数据对所述迁移学习网络模型进行训练；所述输出模块，用于根据训练好的声波阻抗反演模型，对全工区的地震道进行声波阻抗反演。2.如权利要求1所述的声波阻抗反演系统，其特征在于，所述地震道数据集包括多个不同主频、不同相位的地震子波，所述地震子波的公式如下：其中，t是时间，f
M
是子波的主频，s(t)是时域地震子波。3.如权利要求2所述的声波阻抗反演系统，其特征在于，通过地震道数据集中部分样本集确定所述神经网络模型中卷积核的最佳尺寸参数，采用地震道数据集通过Swats算法对所述神经网络模型进行训练。4.如权利要求1所述的声波阻抗反演系统，其特征在于，所述滤波器响应规范化层由归一化函数和阈值线性单元激活函数组成。5.如权利要求4所述的声波阻抗反演系统，其特征在于，所述归一化函数的规范化公式为：x为输入的样本数据，ε为一个正常数；是规范化后的样本数据；N＝W
×
H，W是样本数据的宽度，W是样本数据的高度；对规范化后的结果进行仿射变换，其公式为：其中，γ和β均为需要学习的参数，...

【专利技术属性】
技术研发人员：王清振，高静怀，杜向东，王建花，孙文博，丁继才，王治强，朱振宇，翁斌，姜秀娣，李超，郑颖，张洪亮，
申请(专利权)人：中海石油中国有限公司北京研究中心，
类型：发明
国别省市：