[发明专利]一种基于卷积神经网络的速度谱自动拾取方法

摘要

本发明涉及一种基于卷积神经网络的速度谱自动拾取方法，属于地震数据处理领域。该方法首先随机生成速度拾取曲线与水平道集，然后应用反动校正方法生成模拟道集，并基于该道集作拉东变换生成速度谱，重复该过程能够生成任意数量的训练标签；本发明设计了含4个卷积层和2个全连接层的神经网络，此外还添加了maxpooling层与dropout层以减小计算量并在一定程度上防止过拟合的出现；最终利用随机生成的标签训练神经网络，并利用该网络识别未参与训练的速度谱。该卷积神经网络能够有效地拾取速度能量团位置，并生成相应的速度曲线，通过与理论曲线的对比具有较高的精度，并且避开了手动拾取能量团的过程，节省了人力并规避了人为因素引入的误差影响。

主权项

1.一种基于卷积神经网络的速度谱自动拾取方法，其特征在于所述方法的具体包括以下步骤：/n1)随机生成速度控制点并利用样条插值方法获得随机速度拾取曲线，如公式(1)所示；/n /n式中，v(t)为基于样条插值方法获得的速度拾取曲线，t代表时间，v_k～U(ta_k,tb_k)为速度节点，U代表均匀分布，ta_k和tb_k为第k个速度节点的随机分布范围，v_k′为速度节点处的导数，t_k+1＝2t_k-t_k-1+dt，其中t_k-1为上一个速度节点对应时刻，t_k为当前速度节点对应时刻，t_k+1为下一个速度节点对应时刻，dt为单位时间间隔；/n2)利用式(2)在不同时刻随机生成反射系数；/n /n式中g(t)表示反射系数函数，r_k～U(ra,rb)表示第k个反射系数，U代表均匀分布，ra和rb为反射系数随机分布的范围，τ_k为第k个反射系数对应的时刻，δ(t-τ_k)为冲激函数，n～U(na,nb)为反射系数的个数，na和nb为反射系数个数的随机分布范围；/n3)选择一个雷克子波，如式(3)所示；/n /n式中f(t)为地震子波，f_m表示子波主频，t表示时间；/n4)利用式(3)所表示的地震子波与式(2)随机生成的反射系数，按照(4)式褶积得到单道地震记录；/n /n式中，h(t)为单道地震记录，f(τ)表示地震子波，g(t-τ)表示反射系数函数，t表示时间，τ为积分变量；/n5)利用式(5)得到二维水平记录s(x,t)，并输入速度拾取曲线v(t)，利用式(6)进行反动校正并加入高斯噪声得到模拟记录d(x,τ)；/ns(x,t)＝h(t) (5)/n /n式中，s(x,t)为二维水平记录，h(t)为单道地震记录，d(x,τ)为模拟记录，v(t)为速度拾取曲线，r为高斯随机噪声，x代表水平距离，t为零偏移距时，τ为模拟记录时间；/n6)利用式(7)对d(x,τ)作拉冬变换得到速度谱u(v_s,t)，其中速度谱u(v_s,t)以及对应的速度拾取曲线v(t)即为训练样本；/n /n式中，u(v_s,t)为速度谱，d(x,τ)为模拟记录，v_s为扫描速度，t为零偏移距时，x为偏移距，τ为模拟记录时间；/n7)重复步骤1)-6)可生成海量的训练样本，之后将样本分为训练集与测试集两个部分；/n8)将k个样本(u(v_s,t)，v(t))_k代入式(8)所表示的神经网络当中，利用反向传播算法可求得神经网络的参数w₁～w₆与b₁～b₆；/n /n式中，u(v_s,t)与v(t)为分别为训练集中的速度谱与速度拾取曲线，ReLU(x)＝max(0,x)、Sigmoid(x)＝1/(1+e^-x)为神经网络中的激活函数，maxpooling是池化层，L₁～L₉为隐藏层，参数w₁～w₄为卷积核，w₅与w₆为全连接层权重，参数b₁～b₆为偏置项；/n9)将测试集中的速度谱输入已经训练好的卷积神经网络中，其中已知参数w₁～w₆与b₁～b₆，即可输出测试速度谱对应的速度拾取曲线/n