[发明专利]一种基于U-net神经网络的地震层位解释方法及装置

权利要求书

1.一种基于U-net神经网络的地震层位解释方法，其特征在于，包括：

对获取的历史地震数据进行解析，获得地震样本数据；

将获取的当前地震数据输入至利用所述地震样本数据训练后的U-net神经网络模型进行层位解释。

2.根据权利要求1所述的地震层位解释方法，其特征在于，所述对获取的历史地震数据进行解析，获得地震样本数据，包括：

对获取的地震数据进行解释后，以segy格式进行存储；

根据segy文件中的地震道的道头确定所需的地震道；

对所需的地震道进行解析获得所述地震样本数据。

3.根据权利要求1所述的地震层位解释方法，其特征在于，还包括：

构建的U-net神经网络模型，并利用所述地震样本数据对构建的U-net神经网络模型进行训练。

4.根据权利要求3所述的地震层位解释方法，其特征在于，所述利用所述地震样本数据对构建的U-net神经网络模型进行训练，包括：

将所述地震样本数据划分为训练集和验证集；

利用所述训练集对所述U-net神经网络模型进行训练，获得训练结果；

根据训练结果调节模型的网络参数获得训练后的所述U-net神经网络模型。

5.根据权利要求1所述的地震层位解释方法，其特征在于，所述U-net神经网络模型包括：

20个卷积层，4个池化层和4个复制叠加层；

在20个卷积层中，19个卷积层卷积核大小为3*3，1个卷积层卷积核大小为1*1；

所述池化层的池化核大小为2*2，池化层步长全为1且不填充；

在后两层池化层后设置有Dropput层；

最后一层卷积层采用Sigmoid激活函数，其余卷积层均采用elu激活函数；

所述U-net神经网络模型采用交叉熵作为目标优化函数，并使用Adam优化器优化目标函数。

6.一种基于U-net神经网络的地震层位解释装置，其特征在于，包括：

样本数据获取单元，用于对获取的历史地震数据进行解析，获得地震样本数据；

层位解释单元，用于将获取的当前地震数据输入至利用所述地震样本数据训练后的U-net神经网络模型进行层位解释。

7.根据权利要求6所述的地震层位解释装置，其特征在于，所述样本数据获取单元包括：

解释存储模块，用于对获取的地震数据进行解释后，以segy格式进行存储；

地震道确定模块，用于根据segy文件中的地震道的道头确定所需的地震道；

样本数据获取模块，用于对所需的地震道进行解析获得所述地震样本数据。

8.根据权利要求6所述的地震层位解释装置，其特征在于，还包括：

模型训练单元，用于构建的U-net神经网络模型，并利用所述地震样本数据对构建的U-net神经网络模型进行训练。

9.根据权利要求6所述的地震层位解释装置，其特征在于，所述模型训练单元包括：

集合划分模块，用于将所述地震样本数据划分为训练集和验证集；

训练模块，用于利用所述训练集对所述U-net神经网络模型进行训练，获得训练结果；

调参模块，用于根据训练结果调节模型的网络参数获得训练后的所述U-net神经网络模型。