[发明专利]一种基于深度学习的强反射层剥离方法

权利要求书

1.一种基于深度学习的强反射层剥离方法，其特征在于，包括以下步骤：

步骤一：制作地震子波预测训练样本；

步骤二：基于交替迭代深度神经网络的地震子波与地震记录的映射关系训练；

步骤三：基于步骤二训练好的子波与地震记录之间的映射关系预测地震子波w；

步骤四：选择目标工区强反射界面以下或以上的不包含强反射界面的地震数据并做逐道归一化作为强反射层剥离的训练样本S_n；

步骤五：统计目标工区强反射层峰值振幅与强反射之外反射波峰值振幅比值范围K1-K2；

步骤六：基于步骤三预测的地震子波利用卷积算法制作仅含强反射层的记录S_s；卷积算法中所使用的反射系数值的范围设置为步骤五中获得的强反射峰值振幅与强反射外反射波峰值振幅比值范围K1-K2，反射界面位置随机变化；

步骤七：随机抽取S_s与S_n并相加获得包含强反射层的地震记录S_r；

步骤八：以强反射层位置为中心采用高斯窗G_w对S_r、S_s与S_n进行加权，并对加权结果进行归一化处理获得GS_r、GS_s与GS_n；

步骤九：基于U-Net的GS_r与GS_s的映射关系训练；

步骤十：选择目标工区含强反射层的层段数据S_o，并记录每道数据的最大值M_s，以每道数据的最大值位置t_p为强反射轴的位置；

步骤十一：以t_p为中心，采用高斯窗G_w进行加权得到加权后的地震记录；并对每道地震数据做除以M_s的归一化处理，获得GD_r；

步骤十二：基于步骤九得到的映射关系预测每道地震数据的强反射层GD_si；

步骤十三：对GD_si做下式处理恢复振幅：

其中，下标i代表道号，D_si代表振幅恢复后的强反射层；

步骤十四：利用下式获得强反射层剥离后的地震数据D_ni：

D_ni(t)＝D_ri(t)-D_si(t) (2)。

2.根据权利要求1所述的基于深度学习的强反射层剥离方法，其特征在于，所述步骤八，以强反射层位置为中心采用高斯窗G_w对训练样本进行加权，并对加权结果进行归一化处理；高斯窗如下式：

3.根据权利要求1所述的基于深度学习的强反射层剥离方法，其特征在于，所述步骤九中基于U-Net的GS_r与GS_s的映射关系训练，使用的优化函数为：

其中，下标i代表道号，GS_si代表训练样本中仅含强反射的地震记录；GS_ri代表含有强反射的地震记录；是由参数集Θ确定的映射函数，代表含有强反射的地震记录与仅含强反射地震记录之间的映射关系；GS_ni代表不含强反射的地震记录。