[发明专利]基于条件变分自编码的地壳模型构造方法

说明书

本发明公开了一种基于条件变分自编码的地壳模型构造方法，把群速度和相速度同时作为输入，把理论地壳模型作为输出，对多个理论地壳模型进行训练和测试，从而构造出深度神经网络CVAE；再采用这些神经网络对观测群速度和相速度进行反演而得到实际地壳模型。CVAE网络的特点于在输出层重构输入数据，在隐含层学到输入数据的压缩表示，通过学习获得的可表征样本集深层特征的新的表达形式。这种表达形式一方面具有较少的冗余信息，另一方面能够有效地反映输入数据的特性，可以大大提高预测模型的准确度和鲁棒性。深度CVAE神经网络对地壳厚度、速度及密度的估计可广泛应用于沉积矿产、特别是油气资源研究与战略预测、寻找、勘探和开采中。

技术领域

本发明涉及一种地壳模型构造方法，尤其涉及一种基于条件变分自编码的地壳模型构造方法。

背景技术

中国是世界上地质最复杂的大陆之一，它是由众多微陆块及其间的褶皱带或造山带组合，经长期演化而形成的复合大陆。受太平洋板块、欧亚板块、菲律宾板块及印度板块的相互作用与影响，中新生代以来东亚地区表现出复杂的构造特征。上述过程导致了复杂的壳幔结构，探测研究区的壳幔结构，将对认识和理解该区的地质演化和可能地球动力学模式提供重要的深部约束(滕吉文,2002；杨文采,2017)。地壳模型探测与模型图的编制，不仅在研究岩石圈地壳细结构及沉积盆地形成与演化动力学有重要学术价值，而且在沉积矿产、特别是油气资源研究与战略预测、寻找、勘探和开采有广泛的实际意义。前人采用人工地震探测、重力、地震波成像等手段获取了中国大陆及邻区的地壳厚度分布(Sun et al.,2008；Guo et al.,2012；Stolk et al.,2013；Chen Y,2010)，但是上述不同方法得到的地壳模型结果仍存在一定的争议(Y Li，2014)。

面波频散是研究地壳上地幔结构的有力工具，大多数研究致力于用面波频散获得地下s波速度结构，极少数研究利用面波频散获得莫霍面深度分布。计算地壳模型的方法可以归纳为两类：一是基于模型驱动的方法、二是基于数据驱动的方法。基于模型驱动的方法考虑地壳模型和地震面波频散之间的物理关系，其研究结果严重依赖于初始模型的选择以及问题的线性化处理，而基于数据驱动神经网络方法可以用面波频散反演地壳模型，例如eier et al.(2007)采用神经网络方法测定面波频散曲线从而建立地壳模型，基于浅层、只考虑反演过程的BP网络，对反演关系的约束较差以及特征提取性能不佳。

另外：由于地球物理具有多尺度、多时段、多精度、多比例尺和多解性等特点，这就造成了观测数据与研究对象的本质之间的对应关系具有非线性特征，人工神经网络方法适合地球物理信息的提取和非线性处理。基于数据驱动的人工神经网络是一种高度非线性系统，可以模拟任意函数，它是解决此类复杂非线性映射问题的有效手段，特别适用于参数变量和目标函数之间没有数学表达式的复杂反问题。

发明内容

本发明的目的就在于提供一种解决上述问题，把群速度和相速度同时作为输入，把地壳模型作为输出，对多个理论模型进行训练和测试，从而构造出深度神经网络CVAE，再采用这些神经网络对观测群速度和相速度进行反演而得到地壳模型，从而大大提高预测模型的准确度和鲁棒性的基于条件变分自编码的地壳模型构造方法。

为了实现上述目的，本发明采用的技术方案是这样的：一种基于条件变分自编码的地壳模型构造方法，包括以下步骤：

(1)基于地球AK135模型进行随机采样，得到多个初始地壳模型，并利用初始地壳模型计算对应的相速度和群速度，分别构建成一数据集；

(11)将地球AK135模型的沉积层和地壳，从上到下分为S层，最上层为第一层；