一种基于多尺度残差网络的地震数据重建方法技术

本发明专利技术公开了一种基于多尺度残差网络的地震数据重建方法。本发明专利技术将多尺度卷积思想应用于残差结构中，在多尺度残差块的基础上引入不同大小的卷积核，通过多尺度残差块级联自适应地提取地震数据的信息；然后利用各多尺度残差块输出作为局部特征进行全局特征融合。最后，将融合后的全局特征发送到重建模块进行地震数据重建。本发明专利技术在多尺度残差块的基础上采用不同尺度卷积核进行特征提取，能够更好的提取出地震数据的局部特征，从而重建出更高信噪比的地震数据。比的地震数据。比的地震数据。

【技术实现步骤摘要】
一种基于多尺度残差网络的地震数据重建方法


[0001]本专利技术的技术方案涉及地震数据重建领域，具体是一种基于多尺度残差网络的地震数据重建方法。

技术介绍

[0002]地震数据在油气勘探、地质勘探等领域发挥了至关重要的作用。然而在地震数据采集过程中，由于地震波在地层传播过程中存在损耗，同时检波器接受地震波的精度受到采集环境的影响(如温度、湿度等)，导致最终采集到的数据存在部分失真、含有噪声等问题。这将影响后续地震数据的处理和解释过程。因此，采用插值的方法对地震数据进行高保真、高分辨率的重建，从而获得更有效地地震数据是解决地震数据缺失问题非常关键的方法。
[0003]传统的地震插值重建可以分为基于预测误差滤波的方法、基于波动方程的方法、基于稀疏变换的方法。基于预测误差滤波的方法是将地震数据视为信号，如Spitz在地震事件的线性假设下，提出利用从频率空间(f
‑
x)域的低频分量估计出来的滤波器来恢复混叠的高频数据。然而，它仅适用于规则采样的地震数据，对地震数据的应用不具有普适性。基于波动方程的方法如Ronen通过模拟声波传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度残差网络的地震数据重建方法，其特征在于，该方法包括以下步骤：步骤1、对原始地震数据集进行处理，生成统一尺寸的地震数据图像，并进行可视化处理；将地震数据图像分为训练集、验证集和测试集；地震数据图像包括完整地震图像以及与之对应的缺道地震图像；缺道地震图像作为多尺度残差网络的输入，其对应的完整地震图像作为标签，在计算损失函数时使用；步骤2、对缺道地震图像进行下采样，生成低分辨率地震图像LR；步骤3、将低分辨率地震图像LR输入到多尺度残差网络中进行特征提取，多尺度残差网络由n个连续的多尺度残差块和一个特征融合层构成，特征融合层位于多尺度残差网络的末端；经过多尺度残差网络后的输出为全局特征F：式(1)中，w表示卷积层权重，M
f
表示n个多尺度残差块的特征图，b表示卷积层的偏差，[M0,M1,M2,M3]表示特征融合操作；步骤4、将步骤3得到的全局特征F进行上采样，得到此次迭代的高分辨率重建地震图像F
out
；步骤5、得到高分辨率重建地震图像F
out
后，再通过损失函数对此次迭代的多尺度残差网络进行优化；步骤6、通过损失函数不断优化多尺度残差网络，直至达到设定的迭代次数，得到训练好的多尺度残差网络；再将测试集中的缺道地震图像输入到训练好的多尺度残差网络中完成地震数据重建，得到重建地震数据。2.根据权利要求1所述的基于多尺度残差网络的地震数据重建方法，其特征在于，步骤1中，生成地震数据图像的过程中，通过对原始地震数据集中的地震数据进行随机翻转和旋转90
°
、180
°
、270
°
来进行图像增强。3.根据权利要求1所述的基于多尺度残差网络的地震数据重建方法，其特征在于，步骤3的具体操作为：将步骤2生成的低分辨率地震图像LR输入到连续的n个多尺度残差块中进行特征提取，前一个多尺度残差块的输出作为后一个多尺度残差块的输入，并且将每一个多尺度残差块的输出均输入到特征融合层，作为局部特征便于后续获取全局特征F。4.根据权利要求1所述的基于多尺度残差网络的地震数据重建方法，其特征在于，步骤3中，每个多尺度残差块的计算公式为：式(2)中，M
i
表示第i个多尺度残差块的输出，M
i
‑1表示第i个多尺度残差块的输入即第i
‑
1个多尺度残差块的输出；w1和b1分别表示第一部分的上分支和下分支的卷积层权重和偏移量，下标表示层中使用的卷积核大小；w3和b3分别表示第三部分的上分支和下分支的卷积层权重和偏移量，下标表示层中使用的卷积核大小；w5和b5分别表示第五部分的卷积层权重和偏移量，下标表示层中使用的卷积核大小。5.根据权利要求1或4所述的基于多尺度残差网络的地震数据重建方法，其特征在于，步骤3中，每个多尺度残差块均包括连续的五个部分；第一部分由上分支和下分支构成、第二部分...

【专利技术属性】
技术研发人员：贾永娜，沈晓宁，顾军华，邵威，刘洋，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：