[发明专利]一种基于深度学习的多波地震信号人工智能匹配方法

说明书

本发明公开了一种基于深度学习的多波地震信号人工智能匹配方法。具体为：首先利用单波分层重采样，分数倍抽取转波横波(PS波)，将PS波初步压缩到纵波(PP波)时间域；搭建并训练CNN；选择保留CNN后8层卷积的所有卷积结果作为输出；对PS矩阵数据升维复制为三通道并进行归一化；将完整数据依据剖面信息分割为若干小数据体进行单独处理；将PP、PS数据输入网络，输出各自的特征矩阵；将PS数据复制为原始输出矩阵，输入神经网络得到输出特征矩阵；定义特征矩阵双加权损失函数，计算损失函数和输出矩阵的梯度，梯度下降更新输出矩阵，迭代更新；将输出矩阵三个通道的数据取平均值得到单通道数据，进行反归一化、降噪后得到最终的匹配数据。

技术领域

本发明属于地球科学领域，具体涉及一种基于深度学习的多波地震信号人工智能匹配方法。

背景技术

过去几十年以来，常规地震勘探技术在石油、天然气等资源的发现、开采等方面发挥了关键作用，目前正在向精细化、自动化、智能化等方向快速发展。然而，常规地震勘探技术存在波场单一(仅纵波)、信息量不足(缺横波)、精度不够高、多解性强等“瓶颈”问题。多波多分量地震勘探技术(二维三分量，2D3C；三维三分量，3D3C；三维四分量，3D4C)能采集到纵波、横波、转换横波(P-SV)等多种类型的波场信息，具有多波联合成像、多波联合标定、多波联合反演、全波属性融合等独特优势，可以有效解决“气云”(气烟囱)屏蔽成像、岩性判别、裂缝(各向异性)检测、流体(油、气、水)识别等复杂难题。

但是，要充分发挥多波多分量地震勘探技术的独特优势，首先需要解决多波地震信号的匹配问题。目前，多波地震信号的匹配处理，尚存在如下问题：

1、时间、频率、相位等匹配精度不够高，尤其在信噪比较低的区域，多波匹配的可靠性较差；

2、匹配处理需要人工干扰，效率低，缺乏自动化和智能化匹配方法。

在石油与天然气勘探开发领域，深度学习技术在自动化处理、数据挖掘、知识学习与表征、智能化信息提取、降低成本、降低繁琐的人工作业、提高效率等方面正在发挥重要作用。然而，在多波多分量地震勘探中，受深度学习方法的前沿性和多波理论的复杂性、数据处理解释和特征信息提取难度较大等诸多因素的影响，深度学习的研究与应用极少。

尽管深度学习已经成为油气勘探开发领域的研究热点；但是目前仍然处于技术起步阶段，在构造解释、断层追踪、油气识别等方面，距离成熟的工业化应用言之尚早。尤其在发展潜力极大的多波多分量地震勘探领域，受前沿性、高门槛性等因素制约，深度学习方法的研究与应用还极少，在多波标定、多波匹配、多波反演、全波属性提取等方面具有广阔的发展前景，将为多波地震勘探技术的自动化、智能化和高效化发挥重要作用。

发明内容

为解决现有技术存在的上述问题，本发明提出了一种基于深度学习的多波地震信号人工智能匹配方法。

在传统多波信号匹配方法中，主要通过数学计算改变PS波时间、振幅、相位最终间接了达到波形匹配的目的，但本发明提出的方法无需传统计算，直接通过CNN提取PP和PS波的图像特征(波形特征)直接完成波形的匹配，并且在完成波形匹配的同时也就完成了相位、振幅的匹配，整个匹配流程的效率有了大大提高。

本发明的技术方案具体为：一种基于深度学习的多波地震信号人工智能匹配方法，包括以下步骤：

步骤1.将地震PP、PS波的原始数据，转换为矩阵数据。

步骤2.取单道地震信号(对应矩阵中的一列)，利用预提取的PP、PS波层位数据，依据层位坐标将PP、PS波在时间域上切分为j部分，记作PP₁、PP₂、…、PP_j和PS₁、PS₂、…、PS_j。