[发明专利]一种基于改进的生成对抗网络的高分辨率地球物理模型构建方法

说明书

本发明涉及一种基于改进的生成对抗网络的高分辨率地球物理模型构建方法，通过改进的生成对抗网络能够有效压缩和识别两类数据体，输出高分辨率的结果，本发明不仅提高了模型的分辨率，而且提高了模型的频带宽度，对高频信息的表现优于常规反演或者建模结果，在不大幅度提高勘探成本的前提下，对地球物理勘探工作提供更为精细、有效的指导作用。

技术领域

本发明涉及一种基于改进的生成对抗网络的高分辨率地球物理模型构建方法，属于地球物理领域中的高分辨率处理。

背景技术

在石油地球物理勘探中，地下介质的性质和分布情况都是根据直接或间接的地球物理参数所估计和评价的，通常测井所能较为全面的参数资料，但地球物理测井在勘探期间不会覆盖整个研究区域范围，仅能提供少量位置的参数信息；结合方法的有效性和勘探成本，地震反演能够根据所接收到的地震波信息对波速、密度、饱和度等参数进行计算。

为了提高地震反演的分辨率和准确性，自1990年以来，叠前反演和叠后反演都分别取得了迅速发展，其中，弹性阻抗反演、全波形反演、AVO反演(振幅随炮检距变化)等技术通过更全面的考虑储层的运动学特征、流体特征和物性变化实现了对反演结果质量的提升；另一方面，高分辨率地震勘探能够记录地震波的高频成分，同时在一定程度降低采样间隔，频带有一定提升，采用这样的地震资料进行反演，能够获得比常规地震资料精度和分辨率更高的反演结果；但是，高分辨率地震勘探在提高频率的同时，其产生的地震波穿透能力也大大下降，并不适用于较深的储层，而且大多数现存勘探区域并不具备这种勘探资料和设备。

采样率不足是造成图像细节的损失图像的重要原因之一，而超分辨率处理正是解决这一问题的重要方法，自60年代以来，超分辨率处理作为图像重建中的重要问题之一，在通过插值重建、贝叶斯算法等在红外图像和多光谱图像的处理中取得了理想的结果。近年来，人工神经网络被应用于越来越广泛的研究领域，其中自编码器作为无监督的机器学习方法在数据压缩和恢复方面展示出了其优越性；但是，常规的约束条件和网络结构并不适用于地球物理参数，无法将其直接应用于地球物理模型的高分辨率处理。

鉴于此，需要一种能够适用于地球物理信息的高分辨处理方法，以解决常规地震反演的低采样率问题。

发明内容

本发明提供一种基于改进的生成对抗网络的高分辨率地球物理模型构建方法，可以在不大幅度提高勘探成本的前提下，为地球物理勘探工程提供更为精细、有效的指导作用。

本发明解决其技术问题所采用的技术方案是：

一种基于改进的生成对抗网络的高分辨率地球物理模型构建方法，具体包括以下步骤：

第一步：对数据预处理，即对已知的测井数据、地震反演结果进行归一化，同时对地震反演结果进行重采样；

第二步：将测井数据、重采样后的地震反演结果输入到改进后的生成对抗网络中进行训练；

第三步：随机抽取测井数据、重采样后的地震反演结果进行训练，训练过程包括流程A和流程B，当抽样到测井数据时进入流程A，当抽样到重采样后的地震反演结果时进入流程B；

第四步：经过多次训练后，测井数据的损失函数R1满足R10.1，重采样后的地震反演结果的损失函数R2满足0.4R20.6后，停止训练，测井数据经过流程A后，判断出测井数据以及地震反演结果，同时还包括高频信息A；

重采样后的地震反演结果经过流程B后，判断出测井数据以及地震反演结果；

第五步：经过第四步后，将获取的地震反演结果进行汇总，经过流程C训练，获得地震反演结果缺失的高频成分；

第六步：将获得的缺失的高频成分进行转化，与重采样后的地震反演结果直接进行叠加，合成高分辨率的地球物理模型；

作为本发明的进一步优选，