[发明专利]一种基于UNet的面波频散质量快速评估方法

说明书

本发明属于地震波数据处理领域，公开了一种基于UNet的地震面波频散质量快速评估方法，其首先采集面波频散数据，对每个频散点人为标记合格标签，并将其分成训练集样本和测试集样本；然后构建面波频散质量评估的UNet模型，并利用训练集样本对UNet模型进行训练；最后将周期、面波频散、以及频散的变化率作为训练好的UNet模型的输入，得到质量评估后的面波频散的UNet预测结果。本发明所述的方法能够在短时间内完成批量频散数据的处理，不仅能够作为传统方法的替代，且相对于传统的人工识别方法极大地提升了数据处理的效率，为面波频散的实时反演奠定基础。

技术领域

本发明属于地震波数据处理领域，具体是涉及一种基于UNet的地震面波频散质量快速评估方法。

背景技术

面波频散方法被广泛地应用于地壳结构探测、工程与环境勘探领域。来自不同周期的面波频散数据对不同深度的速度结构具有不同的敏感性，短周期的频散数据对浅部结构敏感而长周期的频散对深部的结构敏感；因此，面波频散曲线分析是研究壳幔结构的有效方法。通过反演频散曲线，可以得到一维S波速度结构，二维和三维的速度结构可以由一维速度结构组合起来。通过反演得到可靠的速度结构的重要前提是提取可信赖的频散曲线。目前主要通过两个地震台站获得的地震事件或者噪声数据进行互相关方法来获得面波频散，然后将工区划分为多个网格，使用走时层析成像技术可以得到每个网格上的频散曲线。

面波频散的提取主要包含四个步骤(以双台法为例)：1.对两个台站的波形进行滤波，然后对滤波后的地震波行进行互相关计算，并且得到相关时差，并进一步计算出某个频率下两个台站之间的地震波速度；2.以频率为横坐标，以速度为纵坐标，以互相关值为能量值，绘制出面波的二维速度谱；3.人工挑选(或者计算机自动识别)出速度谱上能量最大区域，形成一条曲线，即频散曲线；4.人工质量筛选，由于计算误差，或者原始波形的信噪比较低等问题，通常需要对得到的频散曲线进一步筛选，得到光滑的，速度值符合基本地质规律的频散曲线。在上述的步骤3中，由于存在计算不稳定，精度较低等问题，或者噪声的存在，提取的相速度可能存在不连续现象，且频散提取的过程需要人机交互进行频散拾取，这不可避免地引入了主观因素；某些自动频散拾取技术也可能导致部分周期相速度不合理的情况。

发明内容

为解决上述技术问题，本发明提供了一种基于UNet的面波频散质量快速评估方法，通过实际数据建立起训练集和测试集，然后构建了UNet实现对面波频散质量进行自动评估，极大地提升了数据处理的效率。

本发明所述的一种基于UNet的面波频散质量快速评估方法，步骤为：

步骤1、采集面波频散数据，对每个频散点人为标记合格标签，并将其分成训练集样本和测试集样本；

步骤2、构建面波频散质量评估的UNet模型，并利用训练集样本对UNet模型进行训练；；

步骤3、将面波频散的周期、面波频散、以及频散的变化率作为训练好的UNet模型的输入，得到质量评估后的面波频散的UNet预测结果。

进一步的，步骤1中，每个训练样本需要人为指定合格的区域(标签)，将合格的频散点标记为1，不合格的标记为0。

进一步的，所述UNet网络模型左右各4层，一共包含15个卷积层，3个池化层，3个转置卷积层；选取RELU激活函数作用于卷积层的输出；卷积操作之后使用Batch_normilization对数据进行标准化。

进一步的，所述UNet模型的输入层包括三个通道：周期，面波频散，以及频散的变化率；输入层一共48个神经元，不足48个频散点的数据充零；输出层为每个周期点对应的标签，质量合格标签为1，否则标签为0；

为了能够更好的使输出层与标签匹配，对输出层作用于sigmod激活函数，使得最终输出神经元的值在0～1之间，sigmod激活函数的数学表达为：

σ(x)＝1/(1+exp(-x))