[发明专利]一种波阻抗反演方法、系统、设备和存储介质

说明书

本发明涉及一种波阻抗反演方法、系统、设备和存储介质，方法包括以下步骤：获取采样区域的地震数据集；基于获取的地震数据集，对构建的基于神经网络与符号网络相结合的波阻抗反演模型进行训练，得到训练好的波阻抗反演模型；使用训练好的波阻抗反演模型对采样区域的波阻抗值进行预测，得到采样区域的预测波阻抗数据。因此，本发明能够基于地震数据得到准确的、有效地的波阻抗预测值，使得波阻抗反演的精度更大，真实性更高，同时对油藏的开发具有现实的帮助意义。

技术领域

本发明涉及地球物理勘探领域，更具体地，涉及一种基于神经网络与符号网络的波阻抗反演方法、系统、设备和存储介质。

背景技术

近年来，在地震勘探技术上，随着相关物理设备的进步，地震数据的采集能力与数据资料的处理解释方法得到了很大的提升和发展，因此，地震反演技术成为预测储层的核心手段。地震反演技术是指利用地震观测资料(地震数据)，将已知的一些地质规律与测井、钻井资料作为约束条件，对地面以下的岩层的物性及物理结构成像的过程，这一过程也是一个求解的过程。由于地震波阻抗与含油气储层具有很好的对应性，波阻抗反演技术成为地震反演技术的一个常用方法。在求解波阻抗的过程中，使用到的方法就是波阻抗反演，即一种利用地震观测资料来反演地层波阻抗的地震特殊处理解释技术。

目前许多基于机器学习和神经网络的波阻抗反演算法已经取得了初步的效果，这些基于深度学习的方法都是通过学习地震记录与标签数据之间的参数权重来寻找反演映射关系的。对于一些地下构造复杂的情况，地震数据与反演参数之间的关系是十分复杂的，单纯的使用深度神经网络也无法准确的表示其反演映射关系，在数据量有限的条件下，如果尝试增加网络深度可能会增加过拟合的风险。

如何能够避免神经网络在反演过程中的过拟合问题，并且能准确的找到地震数据与波阻抗之间的反演关系，是地球物理勘探领域亟待解决的问题。

发明内容

针对上述问题，本发明的目的是提供一种基于神经网络与符号网络的波阻抗反演方法、系统、设备和存储介质，该方法能取得不错的反演效果，又能显示地找出反演公式，可以有效提高储层预测的准确度。

为实现上述目的，本发明采取以下技术方案：

一种波阻抗反演方法，其包括以下步骤：获取采样区域的地震数据集；基于获取的地震数据集，对构建的基于神经网络与符号网络相结合的波阻抗反演模型进行训练，得到训练好的波阻抗反演模型；使用训练好的波阻抗反演模型对采样区域的波阻抗值进行预测，得到采样区域的预测波阻抗数据。

进一步，所述地震数据集包括地震记录、波阻抗标签数据以及包含低频信息的波阻抗数据。

进一步，所述基于获取的地震数据集，对构建的基于神经网络与符号网络相结合的波阻抗反演模型进行训练，得到训练好的波阻抗反演模型的方法，包括：

a、基于地震数据集得到训练样本集；

b、将训练样本集中的地震记录、包含低频信息的波阻抗数据输入到波阻抗反演模型的低频信息约束模块，得到波阻抗的低频约束信息；

c、将波阻抗的低频约束信息作为约束条件，将训练集中的地震记录输入到波阻抗反演模型的符号网络模型进行训练，得到符号网络模型输出的预测波阻抗值；

d、基于地震数据集以及预测波阻抗值进行损失函数的计算，若损失函数不收敛，则重复步骤b和c继续进行训练，直到得到训练好的波阻抗反演模型。

进一步，所述步骤a中，所述训练样本集为从地震数据集的相邻的n道地震记录中选取m个数据点构成。