[发明专利]一种混波干扰压制方法、装置、存储介质及电子设备

说明书

本申请公开了一种混波干扰压制方法。所述方法包括：获取目标混波干扰地震数据；对目标混波干扰地震数据进行数据域转换，得到转换后的地震数据；根据转换后的地震数据对神经网络模型进行训练，获得训练好的神经网络模型；通过训练好的设神经网络模型对转换后的地震数据进行混波压制处理，获得所述目标混波干扰地震数据去除混波后的地震数据。无需合成大量含混波样本地震数据，直接从混波地震数据本身出发，根据待处理的混波地震数据进行无监督训练网络模型，再将训练好的网络模型直接用于该混波地震数据的混波干扰处理，适用性更加广泛，可以更加有效保护地震数据，避免有效地震数据的损失，不会引起构造假象，同时还提高了信噪比。

技术领域

本申请涉及地震数据处理技术领域，特别地涉及一种混波干扰压制方法、装置、计算机可读存储介质以及电子设备。

背景技术

高效地震采集技术在陆上或海上地震勘探得到越来越广泛的应用，由于该技术使得相邻的激发炮点可以同时激发或者激发时间间隔很短，从而可以大大提高采集效率，同时也可大幅提高地震采集炮点-检波点密度。

高效地震采集技术使得高密度勘探成本得到大幅度的减小，因而是大型地震勘探项目首选的采集技术。但高效地震采集技术如动态滑动扫描技术、独立同步扫描技术、超高效采集技术等都会不同程度地引入混波干扰，进而对相邻炮地震数据质量造成较大影响，需要专门通过混波压制去除混波噪声干扰。

常规混波干扰压制方法是基于稀疏变换的反演重构技术实现混波与有效反射地震信息分离,容易出现构造假象且信噪比提升相对较低。

近两年，随着深度学习人工智能算法的普及，一些科研人员开始利用深度学习方法进行地震数据混波噪声衰减压制，并取得了一定的处理效果。

但是目前基于深度神经网络进行混波压制技术主要特点是需要进行监督训练网络模型，即需合成大量干净地震数据和含混波干扰地震数据作为标签来训练模型，在合成地震数据中混波压制效果可能会比较好，但到实际地震数据处理中由于地震数据样本差异性较大，导致混波压制效果不好，该类方法的适应性受到一定程度的约束。

发明内容

针对上述问题，本申请提出一种混波干扰压制方法、装置、存储介质及电子设备，通过利用无监督深度学习技术实现高效地震采集中混波噪声干扰自主压制，通过从地震数据本身出发来驱动网络模型更新超参数，实现了智能混波压制。

本申请的第一个方面，提供了一种混波干扰压制方法，所述方法包括：

获取目标混波干扰地震数据；

对所述目标混波干扰地震数据进行数据域转换，得到转换后的地震数据；

根据所述转换后的地震数据对神经网络模型进行训练，获得训练好的神经网络模型；

通过所述训练好的神经网络模型对所述转换后的地震数据进行混波压制处理，获得所述目标混波干扰地震数据去除混波后的地震数据。

在一些实施例中，所述根据所述转换后的地震数据对神经网络模型进行训练，获得训练好的神经网络模型，包括：

对所述转换后的地震数据进行片块切割划分，得到片块数据集；

对所述片块数据集进行增广扩充处理，得到扩充后的片块数据集；

根据所述扩充后的片块数据集获取训练数据；

根据所述训练数据对所述神经网络模型进行训练，获得所述训练好的神经网络模型。

在一些实施例中，所述训练数据包括模型输入数据，所述根据所述扩充后的片块数据集获取训练数据，包括：

基于预设掩码策略分别对所述扩充后的片块数据集中的片块数据进行掩码处理，得到掩码后的片块数据集；

将所述掩码后的片块数据集作为所述模型输入数据。