[发明专利]地震地层智能识别方法、装置、设备及存储介质

权利要求书

1.一种地震地层智能识别方法，其特征在于，所述地震地层智能识别方法包括以下步骤：

构建改进型U-Net模型；

在改进型U-Net模型的网络的输出端采用卷积核大小为1×1，步长为1，特征层数量为8的卷积操作，通过keras中softmax输出训练结果，将输出的8个分类以0～1之间概率值的方式映射到相同大小的地震剖面上；

对地震数据集预处理，获得预处理后的地震数据集；预处理包括：

从所述地震数据集中等间距的抽取地震切片数据集作为初始训练集；

对所述地震切片数据集进行灰度化处理，获得灰度图像；

原始图像的浮动范围在[-30.000，33.000]，将其重新缩放为[0，255]的灰度范围，每一个像素值是介于0～255之间的整数；

根据所述灰度图像，对剖面周围进行零值填充，获得填充后的地震切片数据集；

对所述填充后的地震切片数据集进行裁剪，采用允许重叠的滑动窗口分解得到图像块，获得预处理后的地震数据集；

根据所述预处理后的地震数据集训练所述U-Net模型，损失函数为多分类交叉熵损失函数L(q,p)：

其中是相应真实标签上的概率分布，p_k(x)表示不同类别上的模型化概率分布，c是分类数目，k＝1、2...c；反向传播计算出梯度值，通过Adam优化算法得到沿着梯度反方向更新量θ：

θ＝θ-η×g(θ)

其中g(θ)是权重w和偏置项b的集合，η代表学习率，通过不断训练迭代，逐渐减小预测值和人工标记掩模数据之间的损失函数，建立地震振幅图像和地层的映射关系；

当完成预先调整的迭代次数时，获得训练后的U-Net模型；

根据所述训练后的U-Net模型对工区中地层进行识别，获得目标地层分割结果。

2.如权利要求1所述的地震地层智能识别方法，其特征在于，所述构建改进型U-Net模型，具体为：

基于深度学习库优化神经网络，利用keras搭建网络模型，在原始U-Net模型的基础上减少特征层数量，并在最终输出端实现多分类输出。

3.如权利要求1所述的地震地层智能识别方法，其特征在于，所述根据预处理后的地震数据集训练所述U-Net模型，获得训练后的U-Net模型，具体包括：

对所述U-Net模型进行权值初始化，获得初始化U-Net模型；

通过所述预处理后的地震数据集对所述初始化U-Net模型进行迭代训练；

当完成预先调整的迭代次数时，获得训练后的U-Net模型。

4.如权利要求1所述的地震地层智能识别方法，其特征在于，所述根据训练后的U-Net模型对工区中地层进行识别，获得目标地层分割结果，具体包括：

对工区中地震切片数据进行灰度化处理，获得工区中地震地层的灰度图像；

根据所述工区中地震地层的灰度图像，对工区中地震剖面周围进行了零值填充，获得填充后的工区中地震剖面图；

将所述填充后的工区中地震剖面图裁剪成与训练后的U-Net模型输入尺寸相同的非重叠图像块；

将所述非重叠图像块拼接为新的地震剖面图，将所述新的地震剖面图按照原有顺序进行叠加，形成三维地震地层数据集，通过给定的灰度阈值范围识别出不同类别的地层，获得目标地层分割结果。

5.一种地震地层智能识别设备，其特征在于，所述地震地层智能识别设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的地震地层智能识别程序，所述地震地层智能识别程序被所述处理器执行时实现如权利要求1至4中任一项所述的地震地层智能识别方法的步骤。

6.一种存储介质，其特征在于，所述存储介质上存储有地震地层智能识别程序，所述地震地层智能识别程序被处理器执行时实现如权利要求1至4中任一项所述的地震地层智能识别方法的步骤。