一种用于深度学习的地震数据标签的制作方法技术

本发明专利技术属于勘探地球物理学技术领域，涉及一种用于深度学习的地震数据标签的制作方法。所述方法包括以下步骤：步骤1.载入地震数据及其现有的解释成果，并对地震数据进行切割处理；步骤2.根据解释成果确定在地震数据中的位置并进行赋值标注；步骤3.对地震数据进行切片处理对地震数据进行切片处理，对切片后的标签数据体进行局部变换，实现对训练样本的扩充。本发明专利技术制作方法借助于现有的人工解释成果可以有效的提高标签制作效率，切片操作可以减少多余的背景信息，局部变换可以实现样本扩展。本发明专利技术方法能够实现地震标签的高效标注。本发明专利技术方法能够实现地震标签的高效标注。本发明专利技术方法能够实现地震标签的高效标注。

【技术实现步骤摘要】
一种用于深度学习的地震数据标签的制作方法


[0001]本专利技术属于勘探地球物理学
，涉及一种用于深度学习的地震数据标签的制作方法。

技术介绍

[0002]深度学习是近年来发展迅速的一种新技术，通过构建复杂的神经网络可以有效地构建输入到输出的非线性映射关系，因此被广泛应用于医学影像、无人驾驶、自然语言处理等领域。
[0003]按照是否有专家标签，深度学习大体可以分为有监督类和无监督类两类。无监督类事先无专家标签加以约束，有监督类则通过专家标签对模型效果加以引导。虽然理论上无监督类的上限更高，但目前来说有监督类的实际效果更加理想。
[0004]在勘探地球物理领域，有监督类深度学习可用于断层识别、初至拾取、地震相划分等问题，通过合适的模型训练可以大大节省人力物力，降低处理和解释人员的工作负担。同时，训练完备的深度学习网络相较解释人员能有效避免主观性的错误，在提高效率的同时也能有相当的准确度。
[0005]有监督深度学习网络模型的效果取决于训练过程，理想的训练过程应该有较好的训练样本与标签，合适的损失函数、优化手段和超参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于深度学习的地震数据标签的制作方法，其特征在于，包括以下步骤：步骤1.载入地震数据及其现有的解释成果，并对地震数据进行切割处理；步骤2.根据解释成果确定在地震数据中的位置并进行赋值标注；步骤3.对地震数据进行切片处理对地震数据进行切片处理，对切片后的标签数据体进行局部变换，实现对训练样本的扩充。2.根据权利要求1所述的制作方法，其特征在于，在步骤1中，载入的地震数据包括叠后振幅数据及由其得到的各种地震属性，既可为单通道数据，也可为多通道复合数据。3.根据权利要求1所述的制作方法，其特征在于，在步骤1中，所述现有的解释成果包括层位解释信息、断层解释信息、盐丘解释信息。4.根据权利要求1所述的制作方法，其特征在于，在步骤1中，通过遍历求得包络所有解释...

【专利技术属性】
技术研发人员：罗红梅，郑文召，周伟，王长江，韦欣法，马骥，初春光，邹文勇，
申请(专利权)人：中国石油化工股份有限公司胜利油田分公司勘探开发研究院，
类型：发明
国别省市：