[发明专利]一种基于改进型BP神经网络的地震数据双向预测插值方法

说明书

本发明提供了一种基于改进型BP神经网络的地震数据双向预测插值方法，包括：步骤I、获取地震数据信息，根据地震数据信息缺失的实际情况，确定是横向插值或纵向插值，并建立相对应的双向预测模式；步骤II、通过引入附加动量法和自适应学习速率法对BP神经网络改进，建立改进型BP神经网络；步骤III、基于步骤I中建立的双向预测模式和步骤II中建立的改进型BP神经网络，分别从相对的两个方向进行地震数据插值预测，并将预测结果输出；步骤IV、将步骤III中得到的相对的两个方向的地震数据插值预测结果进行融合，得到最终的地震数据插值结果。本发明的方法充分利用多道地震信息，提高了插值精度和效果。

技术领域

本发明属于地震数据处理技术领域，涉及一种基于改进型BP神经网络的地震数据双向预测插值方法。

背景技术

在地震数据采集过程中，地震道缺失和空间采样不足是常见的，因此，在地震数据处理过程中，地震数据插值技术是常用的方法。

目前，常用的地震数据插值技术是基于BP(Back-Propagation)神经网络算法。BP神经网络算法是1985年Rumelhart在误差反向传播理论的基础上提出反向传播(Back-Propagation)学习算法。BP神经网络构建以多层前馈网络为基础，由输入、输出、隐含层组成。输入信号在各层神经元间传递，通过各神经元激活函数的作用，完成正向传播，同时根据正向传播的误差信号，BP神经网络利用梯度下降法进行有导师式反向传播学习，通过反复的正向、反向学习，使误差信号达到最小。BP神经网络具有强大的数据识别和模拟能力，在解决非线性系统问题时，优势明显，是一种可以被推广应用的前沿理论与技术。

然而，由于BP神经网络采用非线性规划中的最速下降方法，按误差函数的负梯度方向修改权值，因而通常存在以下问题：学习效率低，收敛速度慢，易陷入局部极小状态。因而，如果采用BP神经算法直接进行地震插值预测，其插值结果必然与实际存在一定的偏差。

另外，目前常用的插值方法主要是多项式插值和样条插值，多项式插值简单可逼近，然而，其仅考虑的整体性而忽略了局部独立性；样条插值是一种分段多项式的插值算法，各相邻段上的多项式又具有某种连接性，既保持了多项式的简单和逼近可行性，又在各段之间保持了局部的独立性，但是其无法充分利用多道地震信息，限制了其在地震资料中处理中的应用。

发明内容

为了解决上述问题，本发明基于附加动量法和自适应学习速率法的改进型BP神经网络算法，并且提出使用双向预测插值的方法，兼顾了整体性和局部独立性，在地震数据处理过程中，充分利用了多道地震信息，提高了插值精度和效果。

本发明的通过如下技术方案实现：

一种基于改进型BP神经网络的地震数据双向预测插值方法，包括：

步骤I、获取地震信息，根据实际插值的需要，确定插值方式，建立相应的双向预测模式；

步骤II、通过引入附加动量法和自适应学习速率法对BP神经网络改进，建立改进型BP神经网络；

步骤III、基于步骤I中建立的双向预测模式和步骤II中建立的改进型BP神经网络，分别从相对的两个方向进行地震数据插值预测，并将预测结果输出；

步骤IV、将步骤III中得到的相对的两个方向的地震数据插值预测结果进行融合，得到最终的地震数据插值结果。

根据本发明，所述双向预测模式包括左右双向预测模式或上下双向预测模式。

根据本发明，所述地震信息包括地震速度场、地震叠前炮记录和地震成像数据体。根据地震信息中缺失的数据，确定插值方式，插值方式包括横向插值和纵向插值。当横向插值时对应的为左右双向预测模式，当纵向插值时对应的为上下双向预测模式。