一种地震勘探深层弱信号重建训练样本自动构建方法技术

本发明专利技术提供的一种地震勘探深层弱信号重建训练样本自动构建方法包括：获取地震勘测的道集数据A；根据所述道集数据构建中浅层样本库；获取需要进行弱信号重建处理的地震数据B；根据所述地震数据B估算衰减因子；根据所述道集数据A构建噪声库；根据所述地震数据B估计含信比，并统计数据含信比；根据所述地震数据B和所述道集数据A，构建衰减后的加噪样本。样本构建方法具有信噪比可控、构建便捷、快速和具有可批量生成的优点。可批量生成的优点。可批量生成的优点。

【技术实现步骤摘要】
一种地震勘探深层弱信号重建训练样本自动构建方法


[0001]本专利技术涉及油气勘探地震资料处理领域，尤其涉及一种地震勘探 深层弱信号重建训练样本自动构建方法。

技术介绍

[0002]随着油田勘探开发的深入，勘探目标由中浅层朝着深层或超深层 转移。受几何扩散和地层吸收等因素的影响，深层或超深层反射信号 能量较弱，几乎完全掩埋在噪声中，数据的信噪比普遍较低或极低， 严重影响了有效信号的识别和利用。传统的噪声压制方法难以满足实 际生产的需要，人工智能方法在图像处理方面取得了长足的发展，在 图像去噪、数据保真恢复等方面具有明显的优势，从而使得基于人工 智能的地震弱信号重建成为可能。但训练出高质量的人工智能算法模 型需要大批量的样本标签。而对于弱信号重建而言，依据人工的方法 建立大批量的训练样本标签的难度极大，也是难以实现的，不能满足 基于人工智能算法的地震弱信号重建的网络训练和应用，难以满足深 层地震勘探的需求。

技术实现思路

[0003]鉴于上述问题，提出了本专利技术以便提供克服上述问题或者至少部 分地解决上述问题的一种地震勘探深层弱信号重建训练样本自动构 建方法。
[0004]根据本专利技术的一个方面，提供了一种地震勘探深层弱信号重建训 练样本自动构建方法包括：
[0005]获取地震勘测的道集数据A；
[0006]根据所述道集数据构建中浅层样本库；
[0007]获取需要进行弱信号重建处理的地震数据B；
[0008]根据所述地震数据B估算衰减因子；
[0009]根据所述道集数据A构建噪声库；
[0010]根据所述地震数据B估计含信比，并统计数据含信比；
[0011]根据所述地震数据B和所述道集数据A，构建衰减后的加噪样本。
[0012]可选的，所述根据所述道集数据构建中浅层样本库具体包括：
[0013]将所述道集数据分析数据的信噪比，并确定信噪比较高的中浅层 数据的时窗范围TX1；
[0014]根据所述道集数据A中的一个道集，根据用户指定的样本道长 NT、道数Ntr和所述道集数据A构建的样本个数m，在时窗TX1内随 机读取m个不完全相同的样本数据，并保存到中浅层样本库中；
[0015]对所述道集数据A中的每一个道集重复处理，构建生成中浅层样 本库。
[0016]可选的，所述根据所述地震数据B估算衰减因子具体包括：
[0017]获取所述地震数据B中需进行弱信号增强处理的区域，确定深 层和/或超深层所在的时窗范围TX2；
[0018]计算所述地震数据B中所述时窗TX1内的各道数据的统计频谱 其中f表示频率；
[0019]计算所述地震数据B中所述时窗TX2内的各道数据的统计频谱 并利用下式计算衰减因子，
[0020]其中，α(f)为衰减因子，δ为稳定性因 子。
[0021]可选的，所述根据所述道集数据A构建噪声库具体包括：
[0022]获取叠前数据，利用初至信息，截取初至前的观测数据，在截取 的数据中随机读取长度为NT的Ntr道背景噪声数据，加入到噪声库中；
[0023]结合地质和地球物理信息，确定叠前数据中无有效波出现的数据 区域，随机抽取长度为NT的Ntr道数据，打乱各道的顺序后，加入到 噪声库中；
[0024]结合地质和地球物理信息，确定叠后数据中无规则波出现的数据 区域，随机读取长度为NT的Ntr道数据并打乱各道顺序后，加入到噪 声库中；
[0025]在常规地震数据处理流程中衰减掉的线性噪声和随机噪声数据 中随机读取m个长度为NT道数为Ntr的噪声数据，加入到噪声库中。
[0026]可选的，所述根据所述地震数据B估计含信比，并统计数据含 信比具体包括：
[0027]对所述地震数据B中时窗范围TX2内的数据计算频域中的统计含 信比作为数据信噪比的度量，
[0028][0029]其中，SCR(f)为频域中的统计含信比，S(f)为多道统计的相邻两 道互功率谱作为信号的功率谱，A(f)为多道统计的各道自功率谱作为 信号和噪声的总功率谱；
[0030][0031]其中，n
i
为时窗TX2内的数据总道数，S
i,i+1
(f)为第i道数据和第i+1 道数据的互功率谱；
[0032][0033]其中，S
i,i
(f)为第i道数据的自功率谱。
[0034]可选的，所述根据所述地震数据B和所述道集数据A，构建衰减 后的加噪样本
[0035]在中浅层样本库中随机抽取样本x，衰减处理，衰减后的结果记 为x
α
。
[0036]X
α
(f)＝X(f)
·
α(f)其中，X
α
(f)为x
α
的频谱，X(f)为x的频谱；
[0037]在噪声样本库中随机抽取噪声样本y，往样本x中添加噪声样本y， 达到含信比为SCR(f)，各频率下添加样本y的比例系数k(f)计算，
[0038][0039]其中，符号||表示取模处理；
[0040]根据中浅层样本x和噪声样本y以及比例系数k(f)按下式合成衰 减后的含噪数据作为深层的样本，
[0041]x
label
＝FFT
‑1(X
α
(f)+(k(f)
·
p(f))
·
Y(f))
[0042]其中，x
label
为由中浅层样本x生成的深层样本，FFT
‑1()为反傅里 叶变换，Y(f)为噪声样本y的频谱，p(f)为信噪比控制系数；
[0043]样本x
label
与x构成训练的一个样本对，将所述样本对按照一定的 规则命名，保存到训练样本库中；
[0044]重复上述步骤得到构建生成的训练样本库。
[0045]本专利技术提供的一种地震勘探深层弱信号重建训练样本自动构建 方法包括：获取地震勘测的道集数据A；根据所述道集数据构建中浅 层样本库；获取需要进行弱信号重建处理的地震数据B；根据所述地 震数据B估算衰减因子；根据所述道集数据A构建噪声库；根据所 述地震数据B估计含信比，并统计数据含信比；根据所述地震数据B 和所述道集数据A，构建衰减后的加噪样本。样本构建方法具有信噪 比可控、构建便捷、快速和具有可批量生成的优点。
[0046]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本发 明的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术 的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的 具体实施方式。
附图说明
[0047]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描 述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附 图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不 付出创造性劳动的前提下，还可以根据这些附图获得其它本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地震勘探深层弱信号重建训练样本自动构建方法，其特征在于，所述构建方法包括：获取地震勘测的道集数据A；根据所述道集数据构建中浅层样本库；获取需要进行弱信号重建处理的地震数据B；根据所述地震数据B估算衰减因子；根据所述道集数据A构建噪声库；根据所述地震数据B估计含信比，并统计数据含信比；根据所述地震数据B和所述道集数据A，构建衰减后的加噪样本。2.根据权利要求1所述的一种地震勘探深层弱信号重建训练样本自动构建方法，其特征在于，所述根据所述道集数据构建中浅层样本库具体包括：将所述道集数据分析数据的信噪比，并确定信噪比较高的中浅层数据的时窗范围TX1；根据所述道集数据A中的一个道集，根据用户指定的样本道长NT、道数Ntr和所述道集数据A构建的样本个数m，在时窗TX1内随机读取m个不完全相同的样本数据，并保存到中浅层样本库中；对所述道集数据A中的每一个道集重复处理，构建生成中浅层样本库。3.根据权利要求1所述的一种地震勘探深层弱信号重建训练样本自动构建方法，其特征在于，所述根据所述地震数据B估算衰减因子具体包括：获取所述地震数据B中需进行弱信号增强处理的区域，确定深层和/或超深层所在的时窗范围TX2；计算所述地震数据B中所述时窗TX1内的各道数据的统计频谱其中f表示频率；计算所述地震数据B中所述时窗TX2内的各道数据的统计频谱并利用下式计算衰减因子，其中，α(f)为衰减因子，δ为稳定性因子。4.根据权利要求1所述的一种地震勘探深层弱信号重建训练样本自动构建方法，其特征在于，所述根据所述道集数据A构建噪声库具体包括：获取叠前数据，利用初至信息，截取初至前的观测数据，在截取的数据中随机读取长度为NT的Ntr道背景噪声数据，加入到噪声库中；结合地质和地球物理信息，确定叠前数据中无有效波出现的数据区域，随机抽取长度为NT的Ntr道数据，打乱各道的顺序后，加入到噪声库中；结合地质和地球物理信息，确定叠后数据中无规则波出现的数据区域，随机读取长度为NT的Ntr道数据并打乱各道顺序后，加入到噪声库中；在常规地震数据处理流程中衰减掉的线性噪声和随机噪声数据中随机读取m个长度为NT道数为Ntr的噪声数据，加入到噪声库中。5....

【专利技术属性】
技术研发人员：田坤，刘立彬，王慧茹，秦宁，李凌云，曹晓莉，王蓬，
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物探研究院，
类型：发明
国别省市：