[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

说明书

本发明提供了一种基于U‑net神经网络的地震层位解释方法及装置，方法包括：对获取的地震数据进行解析，获得地震样本数据；利用地震样本数据对预先构建的U‑net神经网络模型进行训练；通过训练后的U‑net神经网络模型对获取的当前地震数据进行层位解释。本申请实现了高精度的、高效率的地震层位追踪精度，满足地质资料高效构造解释的要求，极大的减轻地震资料解释人员的解释工作量。本申请既能适应二维工区的层位追踪，又能适应三维工区的层位追踪。

技术领域

本申请属于油气勘探开发技术领域，具体地讲，涉及一种基于U-net神经网络的地震层位解释方法及装置。

背景技术

地震层位解释是地震解释中的重要工作之一，地震层位解释目前主要是通过专业软件进行解释。首先需要进行合成地震记录标定，建立深度域井资料和时间域地震资料的联系，通过井震标定确定目的层在地震数据体的反射特征，然后对连井剖面开展地震层位解释，建立解释格架，在保证解释格架的层位解释闭合的基础上，进行加密解释，最终形成解释成果。

地震层位解释目前大多都是人工解释，由于数据量大，要考虑到层位闭合等因素，人工解释工作量很大，此项工作占整个地震资料解释与分析工作的70％以上。各商业化地震解释软件都提供了自动层位解释功能，主要是通过同相轴的相似性进行自动追踪，在地震资料品质好，同相轴连续，断层不发育的地方自动层位解释效果较好。但到地震质量品质差，断层发育、反射界面弱，同相轴连续性差的地区，层位自动解释的效果不理想。

对于当前地震资料解释主要以人工解释为主，自动拾取为辅的方式进行，在构造复杂、断裂发育地区主要以全人工解释为主，工作量巨大。

在地震资料解释中，大面积的解释及加密解释工作十分重要且繁琐，因为加密解释工作直接决定构造解释精度，解释精度直接影响后续构造特征分析结果的准确及有利勘探目标的确定。

发明内容

本申请提供了一种基于U-net神经网络的地震层位解释方法及装置，以至少解决现有技术中，对于地震层位的解释大多依赖于人工解释的问题。

根据本申请的一个方面，提供了一种基于U-net神经网络的地震层位解释方法，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地震样本数据训练后的U-net神经网络模型进行层位解释。

在一实施例中，地震层位解释方法还包括：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。

在一实施例中，对获取的地震数据进行解析，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地震样本数据。

在一实施例中，利用地震样本数据对预先构建的U-net神经网络模型进行训练，包括：

将地震样本数据划分为训练集和验证集；

利用训练集对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U-net神经网络模型。

在一实施例中，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；

池化层的池化核大小为2*2，池化层步长全为1且不填充；