[发明专利]基于卷积神经网络的地震反演大数据生成方法

权利要求书

1.基于卷积神经网络的地震反演大数据生成方法，其特征在于，包括如下步骤：

步骤1，对目的工区每组测井波阻抗数据进行概率密度函数统计，选取符合筛选条件的两组数据；

步骤2，将上述两组数据进行扰动漂移，同时根据波阻抗数据所对应的合成地震数据进行约束；

步骤3，保存符合数据特征迁移收敛条件的所有数据，确定训练样本；

步骤4，构建卷积神经网络模型，利用步骤3所述训练样本作为训练集进行模型训练；

步骤5，利用步骤4中卷积神经网络训练模型对目的工区进行地震反演；

所述步骤2的具体过程为：

将上述两组波阻抗数据选取一组作为起始井数据A，另一组作为目标井数据B，在A中根据式1随机选取一点i基于贪婪算法进行扰动漂移；

i＝N*random(0～1)+0.5； (1)

据式2将工区地质模型直方图中概率为0的波阻抗数据迁移到非0概率范畴；

得到最终的扰动结果V_{new_}并组合为数据C

将步骤2中数据C基于褶积模型计算合成地震记录S

S＝R*W； (4)

其中，S为地震响应，R为反射系数序列，W为子波；

把计算结果与B中所对应的实际地震数据计算相关系数r(X,S)

保存相关系数满足扰动收敛条件式(6)的数据C

|r_i||r_i-1| (6)

其中，r为相关系数，i为扰动漂移迭代次数；

N为一组井数据的总样点数；

V_old为待扰动漂移数据点参数值；

DV为直方图的间隔大小且式中m为工区地质模型直方图的划分个数；

a为0～1之间的任意参数；

P(V_old)为待扰动漂移数据点在工区地质模型直方图中的概率；

V_{new_}为数据扰动漂移结果；

V_new表示随机爬山算法的扰动漂移值；

V_max为扰动漂移数据最大值；

V_min为扰动漂移数据最小值；

S为地震响应；

R为反射系数序列；

W为子波；

r(X,S)为相关系数；

X为扰动漂移目标井所对应的实际地震数据；

Cov(X，S)为X与S的协方差；

Var[X]为X的方差；

Var[S]为S的方差；

random(0-1)，0-1之间选取数值。