[发明专利]地震数据插值方法及系统

权利要求书

1.一种地震数据插值方法，其特征在于，包括：

建立包括多个单炮记录的期望炮集，将所述期望炮集中的每个单炮记录随机删除部分地震道，获得初始炮集；

设定初始第一权重、初始第二权重、初始第一数据扰动项、初始第二数据扰动项；

根据所述初始第一权重、初始第一数据扰动项、所述初始炮集，进行卷积神经网络提取，将获得的结果作为所述初始炮集，重复进行卷积神经网络提取，将获得的结果作为压缩炮集；

根据所述初始第二权重、初始第二数据扰动项、所述压缩炮集，进行全连接计算，获得全连接炮集，根据所述全连接炮集进行双线性内插，获得复原炮集；

根据所述复原炮集与所述期望炮集，通过最小均方差函数，计算优化炮集，根据所述优化炮集，获得优化第一权重、优化第二权重、优化第一数据扰动项、优化第二数据扰动项，建立插值计算模型；

将目标炮集代入所述插值计算模型，获得插值后的炮集；

其中，通过公式(4)进行全连接计算：

其中，A＝(a₁,a₂,…,a_m)表示全连接炮集，表示第二权重的矩阵，表示第二数据扰动项的矩阵，表示压缩炮集的矩阵。

2.根据权利要求1所述的地震数据插值方法，其中，根据所述复原炮集与所述期望炮集，通过最小均方差函数，计算优化炮集包括：

步骤501：设定优化阈值；

步骤502：通过最小均方差函数，计算所述复原炮集与所述期望炮集的均方差；

步骤503：判断所述均方差是否小于所述优化阈值，若是，则以所述复原炮集为所述优化炮集，若否，则调节所述初始第一权重、所述初始第二权重、所述初始第一数据扰动项、所述初始第二数据扰动项，获得新的复原炮集，重复步骤502-503，直至所述均方差小于所述优化阈值。

3.根据权利要求1所述的地震数据插值方法，其中，通过公式(1)计算所述复原炮集与所述期望炮集的均方差：

其中，E表示均方差，u_k表示复原炮集中的第k个单炮记录，y_k表示期望炮集中的第k个单炮记录，n表示单炮记录总数。

4.根据权利要求1所述的地震数据插值方法，其中，通过公式(2)进行卷积神经网络提取：

其中，x_i表示初始炮集中的第i个单炮记录，W表示第一权重的矩阵，w_i表示第一权重矩阵的参量，b为第一数据扰动项，n表示单炮记录总数，f表示激活函数，其中，激活函数为：

其中，z为激活函数的参量。

5.一种地震数据插值系统，其特征在于，该系统包括：

存储器，存储有计算机可执行指令；

处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤：

建立包括多个单炮记录的期望炮集，将所述期望炮集中的每个单炮记录随机删除部分地震道，获得初始炮集；

设定初始第一权重、初始第二权重、初始第一数据扰动项、初始第二数据扰动项；

根据所述初始第一权重、初始第一数据扰动项、所述初始炮集，进行卷积神经网络提取，将获得的结果作为所述初始炮集，重复进行卷积神经网络提取，将获得的结果作为压缩炮集；

根据所述初始第二权重、初始第二数据扰动项、所述压缩炮集，进行全连接计算，获得全连接炮集，根据所述全连接炮集进行双线性内插，获得复原炮集；

根据所述复原炮集与所述期望炮集，通过最小均方差函数，计算优化炮集，根据所述优化炮集，获得优化第一权重、优化第二权重、优化第一数据扰动项、优化第二数据扰动项，建立插值计算模型；

将目标炮集代入所述插值计算模型，获得插值后的炮集；

其中，通过公式(4)进行全连接计算：

其中，A＝(a₁,a₂,…,a_m)表示全连接炮集，表示第二权重的矩阵，表示第二数据扰动项的矩阵，表示压缩炮集的矩阵。