一种地震波阻抗反演方法及系统、电子设备、存储介质技术方案

本发明专利技术公开了一种地震波阻抗反演方法及系统、电子设备、存储介质，属于地震反演领域，所述的地震波阻抗反演方法包括对数据集进行归一化处理，提取地震数据和波阻抗数据作为训练集，每次的输入为N道地震数据，搭建大核注意力与卷积神经结合的网络结构，让网络结构每执行一个epoch后输出对应的损失函数值，查看波阻抗反演结果和损失函数的值，输出最终的波阻抗反演结果，本发明专利技术缓解了梯度消失、爆炸和网络过拟合的风险。此外，网络结构对于算力的要求较低，可以节省企业的资金投入。可以节省企业的资金投入。可以节省企业的资金投入。

【技术实现步骤摘要】
一种地震波阻抗反演方法及系统、电子设备、存储介质


[0001]本专利技术涉及地震反演领域，更具体的说涉及一种地震波阻抗反演方法及系统、电子设备、存储介质。

技术介绍

[0002]波阻抗反演是实现储层预测的重要手段，通过波阻抗反演把地震数据转化成波阻抗数据以后，可以直接与已知地质、测井信息对比标定，便于解释人员有效地对地层岩性参数的变化进行研究，从而得到岩性参数在空间的分布规律，指导油气的勘探开发。
[0003]目前，地震波阻抗反演根据驱动方法的不同分为两种，即基于模型驱动的反演方法和基于数据驱动的反演方法。但是，基于模型驱动的反演方法很大程度上取决于基于物理方程的可靠程度，当基于物理的方程涉及一些高阶偏微分项时，模型驱动方法的计算量很大，出错几率较高。此外，采集的限制、潜在的测量误差、处理误差和噪声使得从地震记录中预测波阻抗成为一个高度非线性的问题，具有很大的不确定性。深度学习的迅速发展为地球物理勘探创造了新的手段，神经网络经网络通过建立网络架构可以完成输入到输出之间的复杂非线性映射，非常适合解决这类非线性问题。因此，基于数据驱动的深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地震波阻抗反演方法，其特征在于：所述的地震波阻抗反演方法包括对数据集进行归一化处理；从数据集中均匀提取地震数据和波阻抗数据作为训练集，每次的输入为N道地震数据，输出为第i道地震数据对应的波阻抗数据；搭建大核注意力网络结构模型以及大核注意力和卷积神经结合的网络结构模型，并给定一组超参数进行训练；让网络结构模型每执行一个epoch后输出对应的损失函数值；查看波阻抗反演结果和损失函数的值，完成网络结构模型的调整和选择；输出最终的波阻抗反演结果。2.根据权利要求1所述的一种地震波阻抗反演方法，其特征在于：所述的对数据集进行归一化处理采用数据归一化处理方法，归一化公式为：X
norm
为归一化后的值，X为初始数据，X
max
为初始数据中的最大值，X
min
为初始数据中的最小值，将数据集中的地震数据和波阻抗数据进行归一化处理，加快网络的拟合速度，提高网络性能。3.根据权利要求1所述的一种地震波阻抗反演方法，其特征在于：从数据集中均匀提取20道地震数据和波阻抗数据作为训练集，每次的输入为7道地震数据，其中，该7道地震数据包括第i道地震数据及与其相邻的6道地震数据，输出为第i道波阻抗数据。4.根据权利要求1所述的一种地震波阻抗反演方法，其特征在于：所述的大核注意力网络结构模型由三个二维卷积层和残差结构组成，按自下而上的顺序，三个二维卷积分别为DW
‑
Conv、DW
‑
D
‑
Conv、1
×
1Conv；DW
‑
Conv表示深度可分离卷积，卷积核大小为5
×
5；DW
‑
D
‑
Conv表示深度可分离空洞卷积，卷积核大小为5
×
5，其中D表示膨胀系数，将D设置为3；1
×
1Conv表示卷积核大小为1
×
1；残差结构是将结构的输入与经过三个二维卷积后的输...

【专利技术属性】
技术研发人员：李曙，魏宗，宁娟，杨喜，
申请(专利权)人：吉首大学，
类型：发明
国别省市：