基于深度学习的交互渐进式基阶面波频散曲线拾取方法技术

本发明专利技术公开了一种基于深度学习的交互渐进式基阶面波频散曲线拾取方法，涉及地震勘探领域，包括：根据地震勘探工程中实际采集的地震数据生成面波频散谱图；从生成的频散谱图集合中选取部分频散谱图作为训练集，拾取训练集中各频散谱图的频散曲线；根据频散曲线制作对应的频散谱的标签图，形成可供图像语义分割神经网络学习的数据样本对；将数据样本对输入至神经网络中进行训练，对神经网络进行调参使其拟合；将频散谱图分批输入至训练好的神经网络中进行推理，分割出频散曲线区域；对提取的频散曲线区域进行后处理，实现最终的频散曲线拾取。本发明专利技术有效提高了整体的数据处理效率，极大减小了面对实际数据的频散谱频散曲线拾取任务的工作时长。任务的工作时长。任务的工作时长。

【技术实现步骤摘要】
基于深度学习的交互渐进式基阶面波频散曲线拾取方法


[0001]本专利技术涉及地震勘探中基阶面波频散曲线拾取
，具体而言，涉及一种基于深度学习的交互渐进式基阶面波频散曲线拾取方法。

技术介绍

[0002]面波(瑞利波)探勘是近年来兴起的一种浅层地震勘探方法，而面波频散指的是人工激发震源爆炸时，地震波中不同频率面波传播而造成的一种频谱变化现象。实际工程应用中，面波频散曲线的精确拾取是实现面波层析反演，高精度构建近地表速度模型以及反演地层构造的基础。对于该任务的简单描述为，面波频散曲线拾取指的是：获取面波频谱数据中某一频率对应着的面波相速度下的频散点。但随着地震勘探的不断深入，采集技术的持续发展，以及对于地震资料分辨率要求的提高，工区设置检波点与炮点数量日益骤增。面对海量待拾取的面波频散数据，由专业解释人员手工拾取频散曲线耗时长、效率低。研究人员提出了一系列自动面波频散拾取方法，如互相关法、时频分析法、频率波速分析法等，然而以上传统方法应用于日前复杂多变的实际工区面波频散数据时，往往无法获得令人满意的拾取结果，实际工程中海量面波频散谱数据处理耗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的交互渐进式基阶面波频散曲线拾取方法，其特征在于，包括以下步骤：S101、根据地震勘探工程中实际采集的地震数据生成面波频散谱图；S102、从生成的面波频散谱图中选取部分频散谱图作为训练集，人工拾取训练集中各频散谱图的频散曲线；S103、对于每个频散谱图的频散曲线，根据频散曲线以及对应的频散谱图制作可供神经网络学习的数据样本对，得到的所有数据样本对构成数据样本对集；S104、将数据样本对集输入至图像语义分割神经网络中进行训练，对图像语义分割神经网络进行调参使其拟合；S105、将步骤S101中未拾取过频散曲线的面波频散谱图输入至训练好的图像语义分割神经网络中进行推理，分割出频散曲线区域；S106、提取网络分割出的频散曲线区域；S107、对提取的频散谱图中频散曲线区域进行后处理，获取其中正确的频散点，实现当前面波频散谱图的频散曲线拾取，若步骤S101中所有面波频散谱图均完成了频散曲线拾取，则结束整体流程，否则根据后处理拾取到的频散曲线以及对应的频散谱图制作可供神经网络学习的数据样本对，并填充至数据样本对集，之后跳转至步骤S104。2.根据权利要求1所述基于深度学习的交互渐进式基阶面波频散曲线拾取方法，其特征在于，步骤S103和S107中，数据样本对的构建方法均包括以下步骤：第一步：获取面波频散谱图，以及对应频散曲线的频散点记录；第二步：利用重采样方法调整面波频散谱图的尺寸大小；第三步：根据调整尺寸后的频散谱图尺寸对频散点记录进行映射；第四步：根据映射后的频散点记录制成掩码图，制成的掩码图与其对应的面波频散谱图构成可供神经网络训练的数据样本对。3.根据权利要求2所述基于深度学习的交互渐进式基阶面波频散曲线拾取方法，其特征在于，对频散点记录进行映射的公式为：征在于，对频散点记...

【专利技术属性】
技术研发人员：邓飞，蒋沛凡，张钹昊，李帅，胡健，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：