基于自学习神经网络地震面波压制方法技术

本发明专利技术提供一种基于自学习神经网络地震面波压制方法，该基于自学习神经网络地震面波压制方法包括：步骤1，将地震数据进行规则化，形成网络数据集；步骤2，构建自学习神经网络；步骤3，基于梯度下降

【技术实现步骤摘要】
基于自学习神经网络地震面波压制方法


[0001]本专利技术涉及石油地球物理勘探
，特别是涉及到一种基于自学习神经网络地震面波压制方法
。

技术介绍

[0002]目前，地震资料采集是成像和反演技术的原理主要基于地震一次波的传播规律
。
地震资料中的面波会影响成像
、
反演结果，从而影响解释结果，被视作产生不良效果的噪声
。
故压制地震数据中的面波能量是地震数据处理的关键
。
且有多种压制面波的方法，这些方法可被分为两大类
——
滤波法和预测相减法
。
滤波法主要针对在某个变换域内，面波与有效信号分布于不同区域，去除面波；滤波法简单易行，并且面波的频率较低，是压制面波主要的压制方法
。
预测相减法是先利用波场延拓预测出地震面波，再将面波从原始地震数据中减去，该方法目前还在研究实验阶段，没有广泛应用
。
[0003]滤波法主要有共中心点道集叠加法，
F
‑
K
域
、Radon
域滤波法和预测相减法方法，文献线性
Radon
变换在地震面波压制中的应用
(
张智，张迪，王敏玲，唐国彬，孙丽霞，任琴琴云；桂林理工大学学报
2017P631.4)
利用
Radon
变换使用高速度压制面波，文献基于多元经验模式分解方法的多分量地震面波压制
(
肖丽颖硕士电子期刊出版
.2018
年第
08
期网络出版时间：
2018
‑
07
‑
16——2018
‑
08
‑
15)
根据预测结果，分解出面波成分再从原始地震数据中减去面波成分，文献基于自适应加权超虚干涉法的地震面波压制研究
(
安圣培，胡天跃；中国科学
:
地球科学
.2016,46(10))
利用加权叠加对实际资料的面波压制
。
[0004]面波是震源较浅时，在大地与空气的分界面附近，由震源激发直接产生，它们的频率较低，能量沿垂直方向衰减快
、
沿水平方向衰减慢
。
面波压制方法可被分为两大类：滤波法和预测相减法
。
滤波法简单易行，但仅能应对地下介质水平时的大偏移距地震记录，一般作为辅助压制方法
。
预测相减法是先利用波场延拓方法预测出面波，再将面波从原始地震数据中减去，波场延拓法预测面波需要已知地层的界面位置及各层物性参数，实际生产中不方便使用；数据驱动的反馈迭代法基本原理为二维褶积，需要先利用采集数据计算得到地表信息，才能预测面波
。
设计恰当的自适应算法，才能较好地压制面波的同时，尽可能地保护有效信号
。
[0005]在申请号：
CN201910829017.0
的中国专利申请中，涉及到一种基于生成对抗网络的地震数据面波压制方法
。
该方法主要包括：创建一组通过数据处理获得的训练数据；向神经网络提供训练数据，训练生成器和判别器，通过网络训练使生成器产生的数据能够欺骗判别器，判别器能够识别生成器所产生的数据和训练数据；在网络训练过程中，通过采用生成器和判别器相互对抗训练方法，使生成器能够得到好的数据，判别器能够进行更加准确的识别；完成网络训练后，将包含面波的原始地震数据提供给生成器，生成器就产生了无面波的地震数据
。
通过模拟数据和实际地震数据处理实例表明，该专利技术提供的方法可以有效压制地震数据中的面波，并能保护有效信号，提高地震资料信噪比
。
[0006]在申请号：
CN202011487747.6
的中国专利申请中，涉及到一种地震面波与接收函
数的联合反演方法及装置，其中，方法包括：获取待反演的面波频散数据和接收函数数据；将待反演的面波频散数据和接收函数数据，输入预设的神经网络模型，得到对待反演的面波频散数据和接收函数数据反演得到的横波速度模型；神经网络模型中的第一神经网络模块提取输入的面波频散数据中的特征，得到第一特征；第二神经网络模块提取输入的接收函数数据中的特征，得到第二特征；特征融合模块对第一特征与第二特征进行融合；输出模块依据融合特征，输出横波速度模型
。
该申请在保证反演得到的横波速度模型的准确性的前提下，可以提高对大规模待反演数据的联合反演效率
。
[0007]在申请号：
CN202110902192.5
的中国专利申请中，涉及到一种基于数据增广的卷积神经网络地震层间多次波压制方法，基于
DnCNN
和
U
‑
Net
网络模型，搭建层间多次波压制的深层编解码网络模型，对三维陆地地震勘探资料采用搭建得卷积神经网络模型进行自适应层间多次波压制，实现三维陆地地震勘探资料的高效自适应层间多次波压制；该专利技术利用神经网络模型实现对三维地震数据的高效自适应层间多次波压制，无需人为调参，且具有良好的抗噪性和较高的计算效率
。
[0008]以上现有技术均与本专利技术有较大区别，未能解决我们想要解决的技术问题，为此我们专利技术了一种新的基于自学习神经网络地震面波压制方法
。

技术实现思路

[0009]本专利技术的目的是提供一种在保证处理结果有效的前提下，避免流程复杂化，减少计算时间，可提升数据处理效率的基于自学习神经网络地震面波压制方法
。
[0010]本专利技术的目的可通过如下技术措施来实现：基于自学习神经网络地震面波压制方法，该基于自学习神经网络地震面波压制方法包括：
[0011]步骤1，将地震数据进行规则化，形成网络数据集；
[0012]步骤2，构建自学习神经网络；
[0013]步骤3，基于梯度下降
、
反向传播对自学习神经网络参数进行更新；
[0014]步骤4，以迭代次数作为迭代终止条件，数据集迭代一定次数后，输出自学习神经网络预测结果；
[0015]步骤5，将用步骤2中规则化的网络数据集给予神经网络进行训练与测试
。
[0016]本专利技术的目的还可通过如下技术措施来实现：
[0017]该基于自学习神经网络地震面波压制方法还包括，在步骤1之前，对包含面波的地震数据进行处理，获得一套相对应的含地震面波和不含面波的地震数据
。
[0018]在步骤1中，将地震数据进行规则化，使得待处理道集的采样率保持一致；规则化后的含地震面波的数据形成网络输入数据集，不含面波的数据形成网络自学习的目标数据集
。
[0019]在步骤2中，构建的神经网络可表示为式
(1)
：
[0020][0021]其中
x
为输入数据集，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于自学习神经网络地震面波压制方法，其特征在于，该基于自学习神经网络地震面波压制方法包括：步骤1，将地震数据进行规则化，形成网络数据集；步骤2，构建自学习神经网络；步骤3，基于梯度下降
、
反向传播对自学习神经网络参数进行更新；步骤4，以迭代次数作为迭代终止条件，数据集迭代一定次数后，输出自学习神经网络预测结果；步骤5，将步骤2中规则化的网络数据集给予神经网络进行训练与测试
。2.
根据权利要求1所述的基于自学习神经网络地震面波压制方法，其特征在于，该基于自学习神经网络地震面波压制方法还包括，在步骤1之前，对包含面波的地震数据进行处理，获得一套相对应的含地震面波和不含面波的地震数据
。3.
根据权利要求2所述的基于自学习神经网络地震面波压制方法，其特征在于，在步骤1中，将地震数据进行规则化，使得待处理道集的采样率保持一致；规则化后的含地震面波的数据形成网络输入数据集，不含面波的数据形成网络自学习的目标数据集
。4.
根据权利要求1所述的基于自学习神经网络地震面波压制方法，其特征在于，在步骤2中，构建的神经网络可表示为式
(1)
：其中
x
为输入数据集，
w
i
，
b
i
为神经网络参数，
y
i
为网络运算结果，
f
e
...

【专利技术属性】
技术研发人员：王修银，张猛，苗永康，隆文韬，龚剑，刘群强，王荣伟，
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：