【技术实现步骤摘要】
本专利技术属于勘探地球物理与人工智能，具体涉及一种多尺度全局信息融合神经网络的勘探地震数据低频重构方法。
技术介绍
1、油气资源是重要的不可再生资源，被称为现代工业的“血液”，对于我国人民日常生活、经济发展、国家能源安全与战略储备具有重要意义。截止目前为止，我国已成为全球第二的石油消费大国以及全球最大的天然气进口国，油气资源对外依存度较高。此外，国内油气勘探与开发也面临着常规油气含量相对较少、非常规油气资源赋存地质条件复杂、原油品质低下以及开发成本高等困境。为破解目前较为严峻的油气资源安全困局，我国已将“复杂地质油气资源勘探开发利用”列入《中长期科学和技术发展规划纲要》。
2、地震勘探是油气资源勘探与开发最重要的手段。近年来随着易勘探资源的逐渐减少、勘探目标从浅层转向中深层、非常规油气勘探以及复杂勘探环境等诸多因素，实际地震勘探正面临着数据采集成本高、地震资料质量较差以及地震成像与解释较为困难等诸多问题。现阶段探究低成本、高分辨率、可靠性强的地震采集新技术成为近年来的研究热点问题；同时，如何突破基于固定物理模型与假设的勘探原理技术瓶颈，探究智能化地震数据处理手段，提升地震资料的信噪比与分辨率也成为了近年来国内外地球物理学界关注的重要技术问题之一。
3、地震勘探技术研究的核心是提高对地下介质分界面及目标地质体的探测精度和识别能力。地震勘探技术主要采用人工激发地震波并通过在地表布设的检波器接收的地震信号来进行勘探的，是实现地质体界面划分、判断油气储层的重要方法。该方法利用了人工激发的弹性波在地下岩体中传播，当
4、在勘探地震数据处理流程中，对于地下介质的速度建模是尤为重要的一环，其直接决定了对于地下构造成像精度以及对于油气储层位置的解释判断。到目前为止，利用勘探地震数据进行速度建模的方法共分为速度分析、层析成像和全波形反演三种。其中，速度分析和层析成像只利用了地震数据中的运动学信息而忽略了动力学信息导致速度建模精度低，只能对背景速度场进行大致构建，而细小构造及底层分界面是无法获得的；全波形反演利用了地震数据中全部运动学和动力学信息，是获取地下介质高精度速度分布的重要方法。
5、20世纪80年代，lailly(1983)和tarantola(1984)首先提出了全波形反演方法，其利用地震波场的全部运动学和动力学信息来构建最小二乘目标函数，在局部寻优框架下不断将模拟数据与观测数据进行匹配，最终找到满足收敛性的物性参数分布，并提出利用伴随状态法计算梯度，避免了直接求取fréchet导数的庞大计算量。全波形反演是一个基于一阶born弱散射近似假设下的局部优化问题，这使得全波形反演对于初始模型的精度和数据中的低频信息依赖性很高。然而，对于复杂地质构造区域的地震数据或含有强低频噪声干扰的地震数据而言，为全波形反演提供好的初始模型是非常困难的；另外，由于震源激发时难以产生低频信号以及检波器难以对地震信号中的低频分量作出响应，低频信号在实际生产得到的地震数据中难以存在或能量微弱。初始模型与真实物性参数分布相差较大以及低频信息缺失导致的周期跳跃问题是影响全波形反演收敛性的最关键因素。
6、针对该问题，利用多尺度的概念将地震数据通过不同变换方式分解成不同的尺度进行逐尺度反演，可以在初始模型不准确的情况下实现对地下物性参数的高精度建模。claerbout和jannane等指出地下介质的背景场信息与野外地震数据中的低频分量相关，扰动场(波阻抗)的信息对应地震数据的高频分量。bunks提出用低通滤波器分频段将地震数据分解为不同频率尺度，采用在时间域从低频段到高频段的反演策略可以使全波形反演目标函数更好的收敛，减少了局部极值的出现，缓解了周期跳跃问题。sirgue和pratt对频率域全波形反演的多尺度特性进行深入研究后给出具体的频率选择策略。在不含低频的观测数据中重构出反映地下介质大尺度构造的低频信号为全波形反演提供更好的初始模型是全波形反演研究中很重要的一个研究方向。shin和cha将地震数据变化到laplace域中，通过e指数衰减可以获得含有丰富低频信息的数据；等提出了地震数据的包络能够反映地下介质的大尺度构造信息，经hilbert变换求取包络后的地震数据包含了丰富的低频信息。chi等提出了基于包络残差l2范数的目标函数，并通过伴随状态法推导其梯度，在数值测试上成功将试算模型的大尺度构造反演出来，并对比了包络平方和包络对数等目标函数。wu等针对地震数据的包络信号反演地下介质大尺度构造的机理提出了调制-褶积模型，该研究赋予了包络反演物理意义。li等发展了拍音理论，利用单频信号相乘产生低频信号，并通过非线性滤波将低频信号提取出来实现对地下介质大尺度构造的准确反演。zhang等基于地震数据的褶积模型，提出利用稀疏盲反褶积算法结合人为设计的低频子波来构建含有低频信息的观测数据。liu等提出信号的强度可以将原始数据分解为高频段和低频段，构建了基于信号强度残差的目标函数，成功的反演出地下介质的大尺度构造。地震数据中的相位信息与地下速度模型有着更好的线性对应关系。sun和schuster提出了时间域相位反演目标函数，指出相位反演方法在初始速度模型较差的情况下，也能获得较好的反演结果。choi和alkhalifah在频率域提出相位导数目标函数的概念，通过对地震数据求角频率的导数，进而获得相位信息；alkhalifah和choi详细分析了目标函数的强非线性问题，并指出利用解缠相位能够减弱全波形反演目标函数的非线性，同时能够降低全波形反演对速度模型的依赖程度。周期跳跃问题还可以从提高波形匹配程度的角度得到直观的解释和解决方法。warner和guasch利用维纳滤波后的模拟数据和原始观测数据的残差构建l2范数目标函数，以不断更新维纳滤波算子为目标，使得当滤波算子逐渐更新为delta函数时，即可达到对地下参数的准确建模；zhu和fomel提出了基于自适应匹配滤波器相位差的目标函数；wang等提出利用信号识别领域的动态时间规整方法，成功的缓解了周期跳跃问题；胡勇等通过时频域相位校正，通过减小模拟数据和观测数据之间的相位差，提高了波形匹配程度，引导初始模型向正确的方向更新。
7、除了以上两类解决周期跳跃问题的方法外，还有许多其他的方法。在实际勘探中，针对偏移距不够大的情况，研究人员提出了反射全波形反演的方法，利用全局优化算法或统计学方法进行全波形反演可防止目标函数收敛到局部极小；利用最优化传输理论，将波形匹配问题作为搬运不同质量物体到不同位置的最优化策略问题，可以有效的解决全波形反演对初始模型高精度的要求；另外，近年来非常热门的深度学习技术也被广泛应用到全波形反演中进行初始模型建立。
8、然而，诸多从目标函数构建、波场分离的算法层面降低全波形反演非线性提高收敛精度的方法适用条件有限，对于实际勘探地震数据资料的准确性本文档来自技高网...
【技术保护点】
1.一种多尺度全局信息融合神经网络地震数据低频重构方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多尺度全局信息融合神经网络地震数据低频重构方法，其特征在于，步骤b，具体包括以下步骤：
3.根据权利要求1所述的一种多尺度全局信息融合神经网络地震数据低频重构方法，其特征在于，步骤c，具体包括以下步骤：
4.根据权利要求1所述的一种多尺度全局信息融合神经网络地震数据低频重构方法，其特征在于步骤d，具体包括以下步骤：
5.根据权利要求1所述的一种多尺度全局信息融合神经网络地震数据低频重构方法，其特征在于，步骤e，具体包括以下步骤：
【技术特征摘要】
1.一种多尺度全局信息融合神经网络地震数据低频重构方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多尺度全局信息融合神经网络地震数据低频重构方法，其特征在于，步骤b，具体包括以下步骤：
3.根据权利要求1所述的一种多尺度全局信息融合神经网络地震数据低频重构方...
【专利技术属性】
技术研发人员：董新桐，董士琦，钟铁，王新旸，丛正，程明，王洪洲，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。