LSTM面波反演方法、装置及介质制造方法及图纸

本发明专利技术公开了一种LSTM面波反演方法、装置及介质，所述方法包括确定待反演工区模糊地层参数区间；根据所述模糊地层参数区间，随机生成不同模型，利用广义反射

【技术实现步骤摘要】
LSTM面波反演方法、装置及介质


[0001]本专利技术属于近地表勘探地震资料处理领域，具体的说，涉及一种LSTM面波反演方法、装置及介质。

技术介绍

[0002]面波分析方法被广泛用于建立近地表横波速度结构。不管是主动源还是被动源面波分析方法，都是通过反演面波频散曲线获取近地表地横波速度结构。面波频散曲线的反演是一个典型的高度非线性、多参数、多极值的地球物理反演问题。目前常用的面波频散曲线反演方法大致分为两大类，一类为局部线性化方法，如最小二乘法、阻尼最小二乘反演等；由于层状介质中瑞雷波的正演频散方程是非线性函数，因此当选取的初始模型不当时，此类局部线性化方法很难找到目标函数的全局最优解。另一类为全局非线性优化方法，常用的有遗传算法和模拟退火反演等。这类算法可以在一定程度上避免局部线性化反演方法对初始模型的依赖，然而在实际应用中局部搜索能力不强且耗时较长。因此，面波反演方法需要在新的领域中探索。
[0003]目前各种传统面波频散曲线反演方法都有一定的使用局限性。深度学习具有解决许多非线性问题的能力，近年来，机器学习和深度学习应用于各种地球物理研究问题时已经显示出了极大的潜力，在一些任务中提供自动化性能。因此，为了解决传统面波勘探中反演效率低下、反演效果不佳等问题，提出了一种基于FHLV损失函数的LSTM面波反演方法，改善了处理效率和反演精度，适宜于大规模数据处理。

技术实现思路

[0004]本专利技术的目的在于克服
技术介绍
所提出的技术问题，提出了一种LSTM面波反演方法、装置及介质。具体为单个数据需求者产生感知数据需求，多个数据拥有者竞争参与共享任务资格的情形。在该方法中，采用区块链技术，解决可信第三方带来的信任问题。基于逆向拍卖模型设计激励机制，帮助矿工筛选出不理性报价的数据拥有者，减少后续验证数据质量等级的工作量，提升了激励模型的性能。采用softmax回归算法计算感知数据的质量等级。最后通过数据拥有者报价和数据的质量等级计算数据的价值，根据不同的数据价值进行报酬分配，鼓励数据拥有者上传价格合理、高质可靠的数据。
[0005]本专利技术的具体技术方案如下：
[0006]根据本专利技术的第一方面，提供了一种LSTM面波反演方法，所述方法包括：
[0007]确定待反演工区模糊地层参数区间；
[0008]根据所述模糊地层参数区间，随机生成不同模型，利用广义反射
‑
透射系数法计算各个模型的理论面波频散曲线，构建出训练样本数据对；
[0009]对所述训练样本数据对进行预处理；
[0010]构建基于FHLV损失函数的LSTM网络，基于预处理后的训练样本数据对，对LSTM网络进行训练并保存训练好的模型；
[0011]利用无监督学习对实际频散成像数据进行自动拾取频散曲线，利用所述训练好的模型对统一维度大小后的频散曲线进行预测，得到近地表横波速度模型。
[0012]进一步地，利用已知测井信息或根据已有反演方法确定待反演工区模糊地层参数区间。
[0013]进一步地，地层参数包括每层的地层横波速度、地层纵波速度、地层厚度和地层密度，其中所述地层纵波速度是处于同层的地层横波速度的2.4
‑
3倍，地层密度为1.5
‑
2Kg/m3，所述模糊地层参数区间是每层地层参数的模糊区间范围，由提取的不同位置的一维速度结构中每层参数的最小值和最大值决定，所述模糊地层参数区间的起始范围为最小值的40％
‑
80％，结束范围为最大值的120％
‑
140％，地层参数的数值越大，对应的起始范围和结束范围的比例越小，不同位置的一维速度结构根据已知的测井信息或已有反演方法得到。
[0014]进一步地，所述对所述训练样本数据对进行预处理，包括：
[0015]对所述训练样本数据对进行归一化，将所述训练样本数据对中的地层横波速度和地层厚度列向量化。
[0016]进一步地，所述基于FHLV损失函数的LSTM网络包括三层隐藏层，每层隐藏层对应有256个LSTM单元，各个LSTM单元之间采用跳跃连接，在最后一个LSTM单元的输出端连接一个全连接层以控制输出维度。
[0017]进一步地，所述基于预处理后的训练样本数据对，对LSTM网络进行训练并保存训练好的模型，包括：
[0018]将理论面波频散曲线输入至所述LSTM网络中，输出对应的地层横波速度和地层厚度，完成对所述LSTM网络的训练；
[0019]所述LSTM网络的损失函数为：
[0020]Loss1＝mean(abs(v_label
‑
v))
[0021]Loss2＝mean(abs(h_label
‑
h))
[0022][0023]其中Loss1是速度损失，Loos2是厚度损失，FHLV为训练时的实际损失函数，label是标签，mean是平均算子，abs是绝对值算子，v是地层横波速度，h是地层厚度，e是理想速度损失，设置为归一化最小层速度的15
‑
20％，wh是权重衰减系数，设置为0.01
‑
0.1。
[0024]进一步地，所述利用无监督学习对实际频散成像数据进行自动拾取频散曲线，包括：
[0025]根据实际频散成像数据确定面波频散能量矩阵；
[0026]对所述面波频散能量矩阵进行归一化，将大于第一频散能量阈值的点的坐标作为第一频散能量点；
[0027]对所述第一频散能量点进行聚类；
[0028]将聚类后的点对应的频散能量进行比较，筛选局部峰值对应频率向量的相速度，得到最终的频散曲线。
[0029]根据本专利技术的第二方面，提供了一种LSTM面波反演装置，其所述装置包括处理器，所述处理器被配置为：
[0030]确定待反演工区模糊地层参数区间；
[0031]根据所述模糊地层参数区间，随机生成不同模型，利用广义反射
‑
透射系数法计算各个模型的理论面波频散曲线，构建出训练样本数据对；
[0032]对所述训练样本数据对进行预处理；
[0033]构建基于FHLV损失函数的LSTM网络，基于预处理后的训练样本数据对，对LSTM网络进行训练并保存训练好的模型；
[0034]利用无监督学习对实际频散成像数据进行自动拾取频散曲线，利用所述训练好的模型对统一维度大小后的频散曲线进行预测，得到近地表横波速度模型。
[0035]进一步地，地层参数包括每层的地层横波速度、地层纵波速度、地层厚度和地层密度，其中所述地层纵波速度是处于同层的地层横波速度的2.4
‑
3倍，地层密度为1.5
‑
2Kg/m3，所述模糊地层参数区间是每层地层参数的模糊区间范围，由提取的不同位置的一维速度结构中每层参数的最小值和最大值决定，所述模糊地层参数区间的起始范围为最小值的40％
‑
80％，结束范围为最大值的120％
‑...

【技术保护点】

【技术特征摘要】
1.一种LSTM面波反演方法，其特征在于，所述方法包括：确定待反演工区模糊地层参数区间；根据所述模糊地层参数区间，随机生成不同模型，利用广义反射
‑
透射系数法计算各个模型的理论面波频散曲线，构建出训练样本数据对；对所述训练样本数据对进行预处理；构建基于FHLV损失函数的LSTM网络，基于预处理后的训练样本数据对，对LSTM网络进行训练并保存训练好的模型；利用无监督学习对实际频散成像数据进行自动拾取频散曲线，利用所述训练好的模型对统一维度大小后的频散曲线进行预测，得到近地表横波速度模型。2.根据权利要求1所述的方法，其特征在于，利用已知测井信息或根据已有反演方法确定待反演工区模糊地层参数区间。3.根据权利要求1所述的方法，其特征在于，地层参数包括每层的地层横波速度、地层纵波速度、地层厚度和地层密度，其中所述地层纵波速度是处于同层的地层横波速度的2.4
‑
3倍，地层密度为1.5
‑
2Kg/m3，所述模糊地层参数区间是每层地层参数的模糊区间范围，由提取的不同位置的一维速度结构中每层参数的最小值和最大值决定，所述模糊地层参数区间的起始范围为最小值的40％
‑
80％，结束范围为最大值的120％
‑
140％，地层参数的数值越大，对应的起始范围和结束范围的比例越小，不同位置的一维速度结构根据已知的测井信息或已有反演方法得到。4.根据权利要求3所述的方法，其特征在于，所述对所述训练样本数据对进行预处理，包括：对所述训练样本数据对进行归一化，将所述训练样本数据对中的地层横波速度和地层厚度列向量化。5.根据权利要求1所述的方法，其特征在于，所述基于FHLV损失函数的LSTM网络包括三层隐藏层，每层隐藏层对应有256个LSTM单元，各个LSTM单元之间采用跳跃连接，在最后一个LSTM单元的输出端连接一个全连接层以控制输出维度。6.根据权利要求5所述的方法，其特征在于，所述基于预处理后的训练样本数据对，对LSTM网络进行训练并保存训练好的模型，包括：将理论面波频散曲线输入至所述LSTM网络中，输出对应的地层横波速度和地层厚度，完成对所述LSTM网络的训练；所述LSTM网络的损失函数为：Loss1＝mean(abs(v_label
‑
v))Loss2＝mean(abs(h_label
‑
...

【专利技术属性】
技术研发人员：吴映和，潘树林，张子麟，尹成，王畅，凌玮桐，张入化，罗浩然，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：