[发明专利]一种基于NARX神经网络检测地震勘探弱信号的方法

说明书

本发明涉及一种基于NARX神经网络检测地震勘探弱信号的方法，包括以下步骤：将含噪数据进行归一化处理；选定神经网络的输入时延项，输出反馈时延项，隐藏层数，输出层数；含噪信号可以认为是有效信号和噪声的和，将地震含噪信号作为神经网络的输入，将噪声作为神经网络的输出，通过期望输出与实际输出的误差调整权值，训练NARX神经网络；将含噪信号输入到训练好的神经网络中，输入数据与输出数据的差值处理结果即为数据中的有效信号。本发明能有效地从强背景噪声中提取弱有效信号，处理后的地震资料有较高的信噪比和信号保幅效果，为进一步做出地质解释提供可靠依据。

技术领域

本发明涉及地震勘探技术领域，更具体地说，涉及一种基于NARX神经网络检测地震勘探弱信号的方法。

背景技术

地震勘探是油气勘探的主要手段，主要过程包括数据采集、数据处理和地质解释三个环节。野外采集的地震数据中包含了所有的干扰和有效信息，他们相互叠加交织，有效信号被背景噪声扭曲，截断甚至直接被湮没，给下一步进行地质解释带来了极大的不便和干扰。地震资料中的背景噪声根据其在地震剖面中出现的特征可以分为规则噪声和不规则噪声。规则噪声波形具有一定的频率和视速度，在时间上的出现有规律性，例如面波、折射波、多次波、50Hz工业电噪声等；不规则噪声即随机噪声没有特定的传播方向和视速度，频率覆盖范围大，在地震资料中形成杂乱无章的背景，噪声压制难度较大。

为了达到地震数据“高信噪比”、“高分辨率”、“高保幅性”的“三高要求”，专家学者主要从以下几方面进行数据处理：(1)压制噪声，例如多项式拟合、f-x反褶积算法等；(2)信号增强，包括中值约束下的矢量分解、时频峰值滤波等算法；(3)信号重构，例如小波变换、EMD分解、Curvelet变换等技术。这些算法应用时都有一定的假设条件，在压制随机噪声时常常不能达到令人满意的效果。神经网络是一种模拟大脑神经系统处理信息的方式而人为建立的能够实现某种功能的网络，其研究始于上世纪40年代。随着计算机技术的快速发展，神经网络技术也快速发展，新理论和时间工作不断出现，如BP神经网络、RBF神经网络等。

近年来，深度学习技术带来了神经网络的大发展，成为各个行业的研究热点。神经网络是基于大脑各神经元之间的连接结构和功能而建立的一种信息处理系统，与一般的数学模型相比多了生物神经网络的优点。

1.非线性：许多神经元可处于激活或抑制状态，使得神经网络具有高度的非线性特征。

2.鲁棒性和容错性：大量的神经元参与工作，整个系统的输出是神经元之间的相互作用计算得出，使得网络具有较好的鲁棒性，而且网络有部分神经元出错时只会减少网络的适应性，而不会出现大的错误。

3.自适应性和自学习：通过训练学习可调整神经元之间的连接关系，拥有从复杂或不精确数据中进行特定的逻辑操作或非线性计算能力。

4.并行性和分布性：神经网络采取并行分布方式，各神经元均可对收到的信息作出相应的计算。

有外部输入的非线性自回归网络NARX是一个全局反馈环的递归网络，其网络行为比前馈网络(如BP网络)更复杂，也更有潜力。NARX网络有两个基本功能：联想记忆和输入-输出映射网络，在地震勘探信号和背景噪声预测具有很大的优势。

发明内容

本发明的目的在于，提供一种基于NARX神经网络检测地震勘探弱信号的方法，旨在克服现有技术中存在的无法从极低信噪比中检测到有效信号的问题。

本发明解决其技术问题所采用的技术方案是：构造一种基于NARX神经网络检测地震勘探弱信号的方法，包括：

初始化NARX神经网络模型，构建地震含噪信号，作为初始化的NARX神经网络模型的输入，将噪声作为神经网络的输出，进行训练；

NARX神经网络模型训练完成后，将采集的原始地震数据输入训练完成的NARX神经网络模型中，输出背景噪声预测数据；