[發明專利]基于U-Net網絡的智能化地震數據去混疊方法及系統

有效

• 申請號: 202010089000.9
• 申請日: 2020-02-12
• 公開（公告）號: CN111273353B
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 王本鋒;李家闊;耿建華
• 申請（專利權）人: 同濟大學
• 主分類號: G01V1/36
• 分類號: G01V1/36;G01V1/22;G06N3/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 丁云

1.一種基于U-Net網絡的智能化地震數據去混疊方法，其特征在于，該方法包括如下步驟：

(1)構建用于地震數據去混疊的U-Net網絡f；

(2)獲取模擬數據訓練對：包括模擬的未混疊地震數據與混疊地震數據；

(3)將模擬的混疊地震數據作為輸入，未混疊地震數據作為訓練標簽訓練U-Net網絡，得到訓練后的網絡參數θ*；

(4)基于遷移學習方法，利用部分含標簽的實際混疊地震數據，對訓練后的網絡參數θ*進行微調，得到優化的網絡參數

(5)利用優化的U-Net網絡對待處理的地震數據進行循環迭代得到分離的地震數據；

步驟(2)具體為：利用波場正演方法得到模擬的未混疊地震數據，作為訓練標簽，基于實際數據混疊算子，對訓練標簽進行混疊模擬得到混疊地震數據；

步驟(3)訓練過程中的損失函數為

其中，θ為待設計的網絡參數，Γ為混疊算子，Γ^H為混疊算子的共軛算子，d_bl為待處理的混疊地震數據，f(Γ^Hd_bl；θ)為U-Net網絡輸出的去混疊地震數據，d為未混疊地震數據；

訓練過程中以取最小為目標得到訓練后的網絡參數θ*；

步驟(5)具體為：

(51)初始化迭代次數i＝1；

(52)將待處理的地震數據輸入至優化的U-Net網絡，輸出第i次迭代得到分離的地震數據d_deb,i：

其中，Γ為混疊算子，Γ^H為混疊算子的共軛算子，d_bl為待處理的混疊地震數據，為優化的U-Net網絡輸出的去混疊地震數據；

(53)將Γ^Hd_bl-(Γ^HΓ-I)d_deb,i輸入至優化的U-Net網絡，輸出第i+1次迭代得到分離的地震數據d_deb,i+1：

其中，I為單位矩陣；

(54)判斷i是否小于N，若是，則賦值i＝i+1，返回步驟(53)，否則結束循環迭代，輸出分離的地震數據，其中，N為最大迭代次數。

2.一種基于U-Net網絡的智能化地震數據去混疊系統，其特征在于，該系統包括：

U-Net網絡構建模塊：該模塊構建用于地震數據去混疊的U-Net網絡；

模擬訓練數據獲取模塊：該模塊獲取模擬的未混疊地震數據與混疊地震數據；

網絡訓練模塊：該模塊將模擬的混疊地震數據作為輸入，未混疊地震數據作為訓練標簽訓練U-Net網絡，得到訓練后的網絡參數θ*；

網絡優化模塊：該模塊基于遷移學習方法，利用部分含標簽的實際混疊地震數據，對訓練后的網絡參數θ*進行微調，得到優化的網絡參數

迭代分離模塊：該模塊利用優化的U-Net網絡對待處理的地震數據進行循環迭代得到分離的地震數據；

模擬訓練數據獲取模塊通過如下方式獲取模擬的未混疊地震數據與混疊地震數據：利用波場正演方法得到模擬的未混疊地震數據，作為訓練標簽，基于實際數據混疊算子，對訓練標簽進行混疊模擬得到混疊地震數據；

網絡訓練模塊包括設計的損失函數為

其中，θ為待設計的網絡參數，Γ為混疊算子，Γ^H為混疊算子的共軛算子，d_bl為待處理的混疊地震數據，f(Γ^Hd_bl；θ)為U-Net網絡輸出的去混疊地震數據，d為未混疊地震數據；

訓練過程中，網絡訓練模塊以取最小為目標得到訓練后的網絡參數θ*；

所述的迭代分離模塊執行以下步驟完成地震數據的分離：

(a)初始化迭代次數i＝1；

(b)將待處理的地震數據輸入至優化的U-Net網絡，輸出第i次迭代得到分離的地震數據d_deb,i：

其中，Γ為混疊算子，Γ^H為混疊算子的共軛算子，d_bl為待處理的混疊地震數據，為優化的U-Net網絡輸出的去混疊地震數據；

(c)將Γ^Hd_bl-(Γ^HΓ-I)d_deb,i輸入至優化的U-Net網絡，輸出第i+1次迭代得到分離的地震數據d_deb,i+1：

其中，I為單位矩陣；

(d)判斷i是否小于N，若是，則賦值i＝i+1，返回步驟(c)，否則結束循環迭代，輸出分離的地震數據，其中，N為最大迭代次數。