[发明专利]一种端到端的对抗网络流体相识别方法

权利要求书

1.一种端到端的对抗网络流体相识别方法，其特征在于，对抗网络包括生成网络和分类判别网络，对生成网络和分类判别网络进行训练，最终利用训练后的分类判别网络对工区目标层的Raw data地震数据进行分类判别，得到地震数据的流体相分类；其中，生成网络和分类判别网络的训练包括：

S1对地震数据进行提取，针对目标层结合地质、测井资料按照井类型开展分类，并截取目标层段的Raw data地震数据，构成地震数据集；

将模型数据和Raw data地震数据进行混合形成训练数据集；

S2将白噪声数据输入生成网络，生成网络输出逼近模型的干扰数据；

S3将训练数据集作为分类判别网络的输入，对输入的地震数据进行分类判别；

训练过程中，利用交叉熵作为网络分类的损失函数

其中，x_i为训练数据集中各种类型的数据，y_i为地震数据集中的真实有标签数据，D为分类判别网络。

2.根据权利要求1所述的方法，其特征在于，训练过程中，利用训练数据集混淆干扰数据后和地震数据集根据分布规律不同，并利用adam优化器，对生成网络和分类判别网络进行迭代修改，直到训练的准确度在0.4-0.6之间，训练结束。

3.根据权利要求2所述的方法，其特征在于，对分类判别网络进行训练优化，对应的损失函数d_loss：

d_loss＝d_loss_real+d_loss_fake

其中，d_loss_real为由训练数据集和真实有标签数据输入分类判别网络得到的交叉熵，d_loss_fake表示干扰数据通过分类判别网络交叉熵的值。

4.根据权利要求3所述的方法，其特征在于，对生成网络进行优化，对应的损失函数g_loss：

g_loss＝g_loss_fake

其中，g_loss_fake为干扰数据通过生成网络的交叉熵。

5.根据权利要求4所述的方法，其特征在于，所述井类型的分类为高产井、低产井、干井和水井。

6.根据权利要求5所述的方法，其特征在于，分类判别网络输出的是一个概率矩阵y，具体的计算方法步骤包括：

output＝F(input*wt+bt)

wt＝w(t-1)+stp*g

bt＝b(t-1)+stp*g

err＝H(output,label)

g＝Adam(err,α,β)

input表示输入的训练数据，其中output是输出向量，wt和bt为对抗网络相关参数，stp为学习步长，err是损失函数和labe求出的误差，g是下降梯度，Adam是迭代函数。

7.根据权利要求1所述的方法，其特征在于，所述分类判别网络由判别网络和一个分类器级联而成。

8.根据权利要求1所述的方法，其特征在于，所述模型数据为与真实地震数据目标层含有相似油气规律的地震数据。

9.根据权利要求8所述的方法，其特征在于，与真实地震数据目标层含有相似油气规律的地震数据的获取方法包括以下步骤：

通过将地震数据生成网络和鉴别网络进行互联，然后对地震数据生成网络和鉴别网络进行训练，最终利用训练后的地震数据生成网络产生和真实地震数据目标层含有相似油气规律的地震数据。