[发明专利]地质异常体识别的方法及其模型训练方法、装置

说明书

本发明提供了一种地质异常体识别的方法及其模型训练方法、装置，涉及地震勘探技术领域，该模型训练方法包括：获取样本区域的地震绕射波数据以及地震反射波数据；将地震反射波数据以及地震绕射波数据进行渲染，得到训练样本图像；将样本图像输入至预设的神经网络模型中进行训练，得到用于地质异常体预测的模型。通过将待识别的地震波数据图像输入至预先完成训练的地质异常体识别模型中即可输出地质异常体识别的结果。该方法利用分离之后的绕射波地震数据，采用叠合显示技术将地震反射波剖面与地震绕射波剖面叠合显示，再基于已知地质异常体数据完成神经网络模型的训练，最后通过输入实际的叠合显示地震数据实现研究区的地质异常体高精度预测。

技术领域

本发明涉及地震勘探技术领域，尤其是涉及一种地质异常体识别的方法及其模型训练方法、装置。

背景技术

地质异常是指在成分、结构、构造或成因序次上与周围环境有明显差异的地质体或地质体的组合。也常常表现为地球物理场、地球化学场及遥感影像异常等都有所差异。主要用于矿产预测，进而用来总结区域成矿规律。隐蔽致灾的地质异常体由于隐秘性强，容易被人忽视，安全隐患极大，所以亟需一种能够精细刻画隐蔽致灾地质异常体的有效方法。

目前，地质异常体的精细刻画包含了地震精细处理和地震精细解释等，辅助地震解释手段有地震属性分析、蚂蚁体等自动追踪、人工智能地质构造解释等，但是目前所用到的人工智能识别方法，都是基于反射波地震数据，预测效果还有提升空间。

发明内容

有鉴于此，本发明的目的在于提供一种地质异常体识别的方法及其模型训练方法、装置，利用分离之后的绕射波地震数据，采用叠合显示技术将地震反射波剖面与地震绕射波剖面叠合显示，再基于已知地质异常体数据完成神经网络模型的训练，最后通过输入实际的叠合显示地震数据实现研究区的地质异常体高精度预测。

第一方面，本发明实施例提供了一种用于地质异常体识别的模型训练方法，该方法包括：

获取样本区域的地震绕射波数据以及地震反射波数据；

将地震反射波数据以及地震绕射波数据进行渲染，得到训练样本图像；

将样本图像输入至预设的神经网络模型中进行训练；

当预设的神经网络模型中的输出结果满足预设的期望阈值时停止模型的训练，得到用于地质异常体识别的模型。

在一些实施方式中，上述将地震反射波数据以及地震绕射波数据进行渲染，得到模型的样本图像的步骤，包括：

根据地震反射波数据中的能量数据，对地震反射波数据进行可视化图像渲染，得到地震反射波的数据图；

根据地震绕射波数据中的能量数据，对地震绕射波数据进行可视化图像渲染，得到地震绕射波的数据图；

将地震反射波的数据图与地震绕射波的数据图进行融合，得到模型的样本图像。

在一些实施方式中，将地震反射波的数据图与地震绕射波的数据图进行融合，得到模型的样本图像的步骤，包括：

将地震反射波的数据图设置为背景图层，背景图层设置在样本图像的底层；

将地震绕射波的数据图设置为普通图层，普通图层设置在背景图层的顶层；

根据地震反射波数据以及地震绕射波数据中的能量数据，调整普通图层的透明度和色彩参数，得到模型的样本图像。

在一些实施方式中，上述将样本图像输入至预设的神经网络模型中进行训练的步骤之前，方法还包括：

获取样本区域中的地质异常体坐标，获得该坐标对应的地质异常体数据；

根据地质异常体数据，得到该坐标中相对应的剖面图；剖面图用于神经网络模型的训练。