基于SR Transformer的地震波速度建模方法技术

本发明专利技术公开了基于SR Transformer网络的地震波速度建模方法。引入了多感受野模块来挖掘地震波频率的相关性，并基于学习到的相关性构建新的地震波特征，从而实现高质量的地震波速度模型构建。本发明专利技术首次提出的基于SR Transformer的地震波速度建模网络可以有效帮助地质勘探解决地震速度问题，通过实施蒸馏架构，地震记录被分为"是‑否"噪声的两条路径。通过网络内自上而下和分层提炼的结构化过程实现的，从而减少了噪音对地震记录的影响。在SEG Salt和Simulated数据集上进行的大量实验表明，该模型在速度建模方面取得了很好的结果。在未来的工作中，我们将继续探索如何更好地学习炮记录的语义，并有效地将其集成以进行速度建模。

【技术实现步骤摘要】

本专利技术属于计算机科学与地震勘探交叉研究的方法，涉及计算机视觉和地震勘探的。

技术介绍

1、近年来，深度学习逐渐应用到不同领域并且取得了重大突破，比如图像识别、语音识别、自然语言处理等。深度学习是一种特征学习方法，把原始数据通过非线性的模型转变成为更高层次的、更加抽象的表达，通过足够多的转换的组合，非常复杂的函数也可以被学习。地球物理勘探存在着大量的异构多模态数据，如果能够将深度学习技术引入到油气勘探领域的大数据分析之中，利用数据驱动的方法来对多模态数据进行深入挖掘，以提取大数据中隐含的可以学习的复杂结构和规律，将在一定程度上会有助于解决传统速度建模问题的瓶颈问题。

2、地震速度是地震勘探中地震波形反演的最重要参数之一。精确的速度模型是逆时偏移和其他高分辨率地震成像技术的关键前提。随着采集数据的增加，速度建模的工作量剧增。常规的反演方法进行速度建模时强烈依赖于初始模型和先验信息，并且过程繁琐、稳定性低且耗时严重。尤其是在地表、地下结构复杂的低信噪比探区，速度谱能量团的聚焦性非常差，速度拾取非常困难。另外，随着研究区域的不断扩展和检波器的更新换本文档来自技高网...

【技术保护点】

1.基于SR Transformer的地震波速度建模方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于SR Transformer的地震波速度建模方法，其特征在于，所述S3的具体过程为：

【技术特征摘要】

1.基于sr transformer的地震波速度建模方法，其特征在于，所述方法包括以下步骤：

2....

【专利技术属性】
技术研发人员：路静，吴春雷，赵文琪，李冉，袁韶祖，朱牧青，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：