[发明专利]基于多震源卷积神经网络的低频地震数据重构方法

权利要求书

1.一种基于多震源卷积神经网络的低频地震数据重构方法，其特征在于，包括以下步骤：

a、地震数据预处理：对原始主动源地震数据进行静校正、去噪预处理，得到高质量的观测地震数据；

b、形成训练数据集：对处理后的被动源数据进行低通滤波，得到只有10Hz以下的被动源低频数据，并进行分块处理，作为样本合集；对处理后的主动源数据进行低通滤波，得到只有10Hz以下的主动源低频数据，并进行分块处理，作为标签合集；

c、建立神经网络模型：搭建多震源卷积神经网络模型，利用被动源数据中的低频信息重构主动源低频；所述多震源卷积神经网络模型的结构包括：输入层，所述输入层用于输入原始主、被动源低频地震数据；隐藏层框架，所述隐藏层框架由3层卷积层、3层池化层及5层全连接层组成，在每一层卷积层组合使用不同尺寸的卷积核；输出层，所述输出层用于输出重构的主动源低频结果，输出采用线性激活函数，卷积神经网络为对称网络，输出数据尺寸和输入大小一致；

网络框架每个卷积层都采用一个非线性tanh激活函数：

所述多震源卷积神经网络模型中，代价函数为均方差函数：

式中J表示代价函数，y与为数据的预测值和真实值，m为批次样本的数量；

d、训练：将步骤b中的样本合集和标签合集作为输入数据及标签数据，输送到步骤c中的多震源卷积神经网络模型中，模型的输出数据为主动源低频重构结果。