【技术实现步骤摘要】
本专利技术属于地球物理，具体涉及一种结合注意力机制和物理机制的地震分辨率增强方法的设计。
技术介绍
1、在实际地震勘探过程中，采集到的地震数据的分辨率对油气的精确勘探和开发具有重要意义。地震波从激发到采集的过程中，地下介质是非均匀介质，由于地层的吸收，波形在向下传播时能量逐渐衰减，且高频成分衰减更快。随着勘探深度的增加，采集到的地震数据分辨率越来越低。低分辨率的数据不利于解释avo岩性效应和反演介质属性，也无法满足油气精确勘探和开发的要求。传统方法通过补偿低频成分或扩展高频成分来增强地震数据的分辨率，这些方法主要分为三类。第一类基于反褶积的方法，包括最小二乘反褶积、预测反褶积、小波整形反褶积和同态反褶积，通过压缩基本子波来拓宽高频频谱。第二类基于信号叠加的方法，包括公共反射点堆叠、垂直信号叠加和水平信号叠加，通过叠加相同信号来增强有效信号。第三类基于时频变化的方法，包括小波变换、s变换、广义s变换和反q滤波，通过压缩子波和重构频率来突出高频分量。然而，这些方法存在苛刻的假设和复杂的参数求解过程等缺点。
2、近年来，深度学习为地震数据分辨率增强带来了新的机遇。卷积神经网络可以学习地震输入和输出之间强大的非线性关系。例如seisgan，其设计包括生成器和判别器，在低分辨率有噪声地震数据与高分辨率无噪声地震数据之间的建立映射关系，在提升数据分辨率的同时能有效抑制随机噪声。结合双约束损失函数的改进cnn，在cnn中引入残差块和批量归一化，以解决深层网络提取特征时出现的梯度消失问题。网络对细微变化更敏感，特征提取能力和收敛速度
技术实现思路
1、本专利技术的目的是为了解决现有的地震分辨率增强技术难以避免苛刻的假设条件和复杂的参数求解过程的问题，提出了一种结合注意力机制和物理机制的地震分辨率增强方法，以提高地震数据的低频信号。
2、本专利技术的技术方案为：一种结合注意力机制和物理机制的地震分辨率增强方法，包括以下步骤：
3、s1、采集原始地震数据，并根据原始地震数据，基于marmousi2模型构建训练数据集与验证数据集。
4、s2、构建融合注意力机制的反射率提取网络。
5、s3、采用训练数据集对反射率提取网络进行训练，得到训练后的反射率提取网络。
6、s4、采用验证数据集验证训练后的反射率提取网络的反射率提取效果，若损失小于预设阈值，则得到粗略反射率，进入步骤s5，否则返回步骤s3继续训练。
7、s5、根据粗略反射率，通过物理机制重建高分辨率地震数据。
8、s6、通过对比原始地震数据与高分辨率地震数据，测试地震分辨率增强效果。
9、进一步地，步骤s1包括以下分步骤：
10、s11、采集原始地震数据。
11、s12、通过marmousi2纵波速度模型和密度模型构建反射率模型，计算得到原始地震数据中的反射率。
12、s13、采用不同主频和不同相位的子波与原始地震数据中的反射率进行褶积，得到褶积数据。
13、s14、通过人工添加随机噪声模拟真实地震数据的情况，将褶积数据裁减为128×128大小的数据块，得到训练数据集与验证数据集。
14、进一步地，步骤s12中反射率模型具体为：
15、
16、其中ri表示反射率模型中的第i层反射率，ρi和ρi+1分别表示第i层和第i+1层的密度，vi和vi+1分别表示第i层和第i+1层的地震波速度。
17、进一步地，步骤s13中子波的主频范围为10-40hz，子波的相位为0°、10°、30°或45°。
18、进一步地，步骤s2中构建的反射率提取网络为在u型主干网络进行跳跃连接之前添加注意力模块am的网络。
19、进一步地，u型主干网络包括编码器和解码器，编码器包括4个下采样层，每个下采样层包括两个卷积核大小为3×3的卷积层以及一个卷积核大小为2×2的最大池化层，解码器包括4个上采样层，每个上采样层包括两个卷积核大小为3×3的卷积层以及一个卷积核大小为2×2，步长为2的转置卷积层，每个卷积层之后接批归一化层和激活函数层，下采样层和上采样层一一对应跳跃连接。
20、进一步地，注意力模块am包括通道注意力模块cab和空间注意力模块sab，通道注意力模块cab用于对下采样层的特征图进行处理得到注意力加权后的通道特征图，空间注意力模块sab用于对注意力加权后的通道特征图进行处理得到包含通道和空间信息的特征图。
21、进一步地，通道注意力模块cab对下采样层的特征图进行处理的具体方法为：
22、a1、分别采用全局最大池化层和全局平均池化层压缩下采样层的特征图的空间维度，得到全局最大池化结果和全局平均池化结果。
23、a2、分别对全局最大池化结果和全局平均池化结果进行多层感知机操作，得到两路感知结果。
24、a3、将两路感知结果相加并通过sigmoid激活函数产生通道注意力权重。
25、a4、将通道注意力权重与下采样层的特征图的每个通道相乘，得到注意力加权后的通道特征图。
26、进一步地，空间注意力模块sab对注意力加权后的通道特征图进行处理的具体方法为：
27、b1、分别沿通道维度对注意力加权后的通道特征图进行最大池化和平均池化操作，得到最大池化结果和平均池化结果。
28、b2、沿通道维度对最大池化结果和平均池化结果进行拼接，得到具有不同尺度上下文信息的特征图。
29、b3、通过卷积层对具有不同尺度上下文信息的特征图进行处理，得到空间注意力权重，并采用sigmoid激活函数将空间注意力权重限制在0到1之间。
30、b4、将空间注意力权重与注意力加权后的通道特征图相乘，得到包含通道和空间信息的特征图。
31、进一步地，步骤s5具体为：
32、采用物理褶积技术，将粗略反射率与高频子波进行褶积，得到与原始地震数据振幅及相位相对关系一致但分辨率更高的高分辨率地震数据。
33、本专利技术的有益效果是：
34、(1)本专利技术通过在u型主干网络进行跳跃连接之前添加注意力模块am构建反射率提取网络，保证了在特征融合时，对重要特征关注度更多。
35、(2)本专利技术将注意力模块am添加到跳跃连接之前，能够根据反演目标选择性强调或抑制特定特征，从而提高网络对关键信息的关注度，减少冗余和无关信息的干扰。
36、(3)同时本专利技术通过物理褶积技术，使用高频子波与粗略反射率褶积得到高分辨率地震数据，能够有效提高地震数据的分辨率，且本文档来自技高网...
【技术保护点】
1.一种结合注意力机制和物理机制的地震分辨率增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的地震分辨率增强方法，其特征在于，所述步骤S1包括以下分步骤：
3.根据权利要求2所述的地震分辨率增强方法，其特征在于，所述步骤S12中反射率模型具体为：
4.根据权利要求2所述的地震分辨率增强方法，其特征在于，所述步骤S13中子波的主频范围为10-40Hz，子波的相位为0°、10°、30°或45°。
5.根据权利要求1所述的地震分辨率增强方法，其特征在于，所述步骤S2中构建的反射率提取网络为在U型主干网络进行跳跃连接之前添加注意力模块AM的网络。
6.根据权利要求5所述的地震分辨率增强方法，其特征在于，所述U型主干网络包括编码器和解码器，所述编码器包括4个下采样层，每个下采样层包括两个卷积核大小为3×3的卷积层以及一个卷积核大小为2×2的最大池化层，所述解码器包括4个上采样层，每个上采样层包括两个卷积核大小为3×3的卷积层以及一个卷积核大小为2×2，步长为2的转置卷积层，每个卷积层之后接批归一化层和激活函数层，下采样
7.根据权利要求6所述的地震分辨率增强方法，其特征在于，所述注意力模块AM包括通道注意力模块CAB和空间注意力模块SAB，所述通道注意力模块CAB用于对下采样层的特征图进行处理得到注意力加权后的通道特征图，所述空间注意力模块SAB用于对注意力加权后的通道特征图进行处理得到包含通道和空间信息的特征图。
8.根据权利要求7所述的地震分辨率增强方法，其特征在于，所述通道注意力模块CAB对下采样层的特征图进行处理的具体方法为：
9.根据权利要求7所述的地震分辨率增强方法，其特征在于，所述空间注意力模块SAB对注意力加权后的通道特征图进行处理的具体方法为：
10.根据权利要求1所述的地震分辨率增强方法，其特征在于，所述步骤S5具体为：
...【技术特征摘要】
1.一种结合注意力机制和物理机制的地震分辨率增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的地震分辨率增强方法，其特征在于，所述步骤s1包括以下分步骤：
3.根据权利要求2所述的地震分辨率增强方法，其特征在于，所述步骤s12中反射率模型具体为：
4.根据权利要求2所述的地震分辨率增强方法，其特征在于，所述步骤s13中子波的主频范围为10-40hz，子波的相位为0°、10°、30°或45°。
5.根据权利要求1所述的地震分辨率增强方法，其特征在于，所述步骤s2中构建的反射率提取网络为在u型主干网络进行跳跃连接之前添加注意力模块am的网络。
6.根据权利要求5所述的地震分辨率增强方法，其特征在于，所述u型主干网络包括编码器和解码器，所述编码器包括4个下采样层，每个下采样层包括两个卷积核大小为3×3的卷积层以及一个卷积核大小为2×2的最大池化层，所述解码器包括4个上采样层，每...
【专利技术属性】
技术研发人员：王科，唐金玉，许琼，闵帆，
申请(专利权)人：四川鹭羽科技有限公司，
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。