基于一维GRU联合二维改进ASPP的叠前地震反演模型设计方法技术

本发明专利技术公开了一种基于一维GRU联合二维改进ASPP的叠前地震反演模型设计方法，将空洞空间卷积池化金字塔模块引入叠前反演领域，改进ASPP将输入送入到三个部分：卷积池化层、池化金字塔以及自适应均值池化层；先将池化金字塔和自适应均值池化层的输出相拼接，经过一个卷积块和dropout模块，再和卷积池化层拼接；在反演框架中加入了三重注意力模块，提取地震数据不同尺度的特征，联合循环神经网络提取地震数据的低频信息；在网络训练阶段，采用多道集反演方法，结合一维反演和二维反演训练网络模型。本发明专利技术P的叠前地震反演模型设计方法，反演结果不仅横向连续性较好，而且对细节处的反演也准确而清晰，尤其对密度参数反演效果有明显的提升。

【技术实现步骤摘要】

本专利技术涉及地震反演，特别是涉及一种基于一维gru联合二维改进aspp的叠前地震反演模型设计方法。

技术介绍

1、地震反演是根据各种地球物理观测数据推测地球内部的结构、形态及物质成分，定量计算各种相关的地球物理参数的过程。油气地震勘探的诸多问题最终都可归结为地震反演问题，因此地震反演的研究在油气地震勘探中具有重要意义，是地下能源勘探的重要一环。地震反演方法主要包括叠前反演和叠后反演。相比于叠后反演，叠前反演利用的叠前地震数据中含有更丰富、精确的信息。因此叠前反演被广泛应用并取得了诸多成果。

2、传统地震反演方法是基于模型驱动的，能够大致反演出地层剖面的结构。但是由于采集的限制、潜在的测量误差和噪声等因素的影响，基于模型驱动的方法难免会产生误差。并且为了得到好的反演结果，基于模型驱动的方法通常需要有一个较好的初始模型以及较精确的子波，而在实际应用中要获得好的初始模型和精确的子波通常都是比较困难的。

3、深度学习是机器学习的一个子集，是一种数据驱动方法，能通过大量的数据来学习输入和输出之间的复杂映射关系。近年来，深度学习在图像分类、对本文档来自技高网...

【技术保护点】

1.一种基于一维GRU联合二维改进ASPP的叠前地震反演模型设计方法，其特征在于，将空洞空间卷积池化金字塔模块引入叠前反演框架，改进ASPP将输入送入到三个部分：卷积池化层、池化金字塔以及自适应均值池化层；先将池化金字塔和自适应均值池化层的输出相拼接，经过一个卷积块和dropout模块，再和卷积池化层拼接；在反演框架中加入了三重注意力模块，提取地震数据不同尺度的特征，联合循环神经网络提取地震数据的低频信息；在网络训练阶段，采用多道集反演方法，结合一维反演和二维反演训练网络模型。

2.根据权利要求1所述的基于一维GRU联合二维改进ASPP的叠前地震反演模型设计方法，其特征在于，...

【技术特征摘要】

1.一种基于一维gru联合二维改进aspp的叠前地震反演模型设计方法，其特征在于，将空洞空间卷积池化金字塔模块引入叠前反演框架，改进aspp将输入送入到三个部分：卷积池化层、池化金字塔以及自适应均值池化层；先将池化金字塔和自适应均值池化层的输出相拼接，经过一个卷积块和dropout模块，再和卷积池化层拼接；在反演框架中加入了三重注意力模块，提取地震数据不同尺度的特征，联合循环神经网络提取地震数据的低频信息；在网络训练阶段，采用多道集反演方法，结合一维反演和二维反演训练网络模型。

2.根据权利要求1所述的基于一维gru联合二维改进aspp的叠前地震反演模型设计方法，其特征在于，所述设计方法，具体包括以下内容：

3.根据权利要求2所述的基于一维gru联合二维改进aspp的叠前地震反演模型设计方法，其特征在于，所述卷积池化层由一个1×5的卷积、一个3×3的池化层和两个组归一化层组成。

4.根据权利要求3所述的基于一维gru联合二维改进aspp的叠前地震反演模型设计方法，其特征在于，在所述局部特征提取模块的输出之前加入三重注意力模块，所述三重注意力模块由三个分支组成，第一个分支是通道注意力计算分支，输入特征经过池化，接着经过7×7卷积，最后经过sigmoid激活函数生成空间注意力权重；第二个分支是通道c和空间w维度交互捕获分支，输入维度特征为c×h×w，先经过置换操作，变为h×c×w维度特征，接着在h维度上进行池化操...

【专利技术属性】
技术研发人员：李曙，陈晓，高其宁，魏宗，宁娟，杨喜，
申请(专利权)人：广州医科大学，
类型：发明
国别省市：