[发明专利]一种基于深度学习的地震数据分辨率提高方法

说明书

本申请提供了一种基于深度学习的地震数据分辨率提高方法，包括：S10：获取地震及测井数据；S20：建立面向地震数据分辨率增强的深度网络训练模型；S30：利用所述深度网络训练模型对地震及测井数据进行深度学习训练，获取高分辨率的地震及测井数据。本申请利用深度学习方法和井震联合实现了对地面地震数据的自动增强，对地震及测井数据进行训练，提高了地震及测井数据的分辨率，为地震及测井数据分析提供了依据，从而为地震勘探技术的发展提供数据支撑。

技术领域

本发明涉及地震数据处理技术领域，更具体地，设计一种基于深度学习的地震数据分辨率提高方法。

背景技术

地震数据受采集、处理和解释技术的限制，处理得到的地震数据分辨率较低。测井资料对应的高分辨地层数据受测井数量限制，无法描述全局地震数据。

传统的地震数据提高分辨率的方法大都假设地震资料是稳态的并且噪声水平不随空间发生变化，而实际情况不满足这一假设，导致提高分辨率处理后的效果达不到预期要求。

深度学习在图像、音频领域的应用以日趋成熟，效果显著。因而在现有的大数据基础上，利用深度学习和数据驱动进行井震联合来提高地震数据的分辨率，更好地为油气勘探和生产服务，显得尤为迫切与必要。

总体上讲，国外在基于深度学习和井震联合对地震数据进行增强上已经进行了初步的研究，并取得了一定的成绩，这些技术可能在具体实现中有所不同，但目标就是不断提升地震解释工作的效率与精度。当前简单油气藏逐渐减少，薄层、薄互层等复杂地质体已成为油气藏勘探开发的主要目标，因而对勘探精度的要求也越来越高。利用深度学习技术结合井震联合实现对地面地震数据的自动增强技术，推出相应软件产品对不断提升地震解释工作的效率与精度有重要的意义。

发明内容

针对上述现有技术中的问题，本申请提出了一种基于深度学习的地震数据分辨率提高方法，用于解决上述技术问题。

根据本申请的一种基于深度学习的地震数据分辨率提高方法，包括以下步骤：

S10：采集地震及测井数据；

S20：建立面向地震数据分辨率增强的深度网络训练模型；

S30：利用所述深度网络训练模型对地震及测井数据进行深度学习训练，获取高分辨率的地震及测井数据。

在一个实施方式中，步骤S20包括：

S201：对实际采集的地震及测井数据进行正演，以获取正演数据；

S202：根据正演数据以及井旁数据，得到训练数据；

S203：根据实际采集的地震及测井数据获取训练标签；

S204：根据所述训练数据和所述训练标签获取深度网络训练模型。

在一个实施方式中，步骤S201中，通过加噪和地质模型随机重建的方式对实际采集的地震及测井数据进行正演。

在一个实施方式中，步骤S203包括：

S2031：对实际采集的地震及测井数据进行层位自动标定；

S2032：通过地质模型随机重建的方式获取地质模型；

S3033：根据所述地质模型以及井上标签获取训练标签。

在一个实施方式中，步骤S203中，根据地震及测井数据中高分辨率的反射界面数据获取训练标签；

步骤S30中，以地震及测井数据中低分辨率的反射界面数据为训练数据，对其进行深度学习训练。

在一个实施方式中，步骤S20和S30之间还包括：

步骤S200：对建立的深度网络训练模型进行优化。