[发明专利]一种基于纳什均衡原理无监督生成地震数据方法

权利要求书

1.一种基于纳什均衡原理无监督生成地震数据方法，其特征在于，通过将生成网络和鉴别网络进行互联，然后对生成网络和鉴别网络进行训练，最终达到纳什均衡的状态，并利用训练后的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；其中，生成网络和鉴别网络的训练包括：

S1利用np函数库构造多个随机的一维高斯分布的噪声；

S2将随机噪音数据进行规则化，分成多个组数据，以二维数据的形式，输入到生成网络；

S3生成网络将输入的噪声数据进行线性，通过二维反卷积方法，输出为一个高维的生成数据；

S4将生成数据作为鉴别网络的输入，鉴别网络输出标记位分辨的概率值，依据真实地震数据和生成数据的交叉熵的作为目标函数H：

H((x₁，y₁)，D)＝-y₁logD(x₁)-(1-y₁)log(1-D(x₁))

x₁为生成数据，y₁为真实地震数据，D为鉴别网络。

2.根据权利要求1所述的方法，其特征在于，所述真实地震数据的获取方法：输入指定区块范围内所有地震数据，对地震的层位进行解释，按照解释层位针对每一层的地震数据进行预处理和提取。

3.根据权利要求1所述的方法，其特征在于，所述步骤S4利用鉴别网络对真实地震数据和生成数据的分布差异，指导地震生成网络模型进行迭代和校正。

4.根据权利要求3所述的方法，其特征在于，所述步骤S4鉴别器的输出值在0.4-0.5之间时，训练结束。

5.根据权利要求1所述的方法，其特征在于，生成网络和鉴别网络结构采用相似的对称网络结构，生成网络采用一种尺度不同的7层的二维反卷积CNN神经网络，鉴别网络采用一种尺度不同的7层的二维卷积CNN神经网络。

6.根据权利要求1所述的方法，其特征在于，所述步骤S4还包括：对鉴别网络进行训练优化，鉴别网络的损失函数d_loss：

d_loss＝d_loss_real+d_loss_fake

d_loss_real为真实地震数据输入鉴别网络得到的交叉熵，d_loss_fake表示生成数据通过鉴别网络交叉熵的值。

7.根据权利要求6所述的方法，其特征在于，所述步骤S4还包括：对生成网络进行训练，生成网络的损失函数g_loss：

g_loss＝g_loss_fake

g_loss_fake为生成数据通过生成网络的交叉熵。

8.根据权利要求7所述的方法，其特征在于，训练过程中，分别利用adam方法对鉴别网络和生成网络进行优化。