[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?？剖⒅R產權代理有限公司 31225
• 代理人: 丁云

本發明涉及一種基于U?Net網絡的智能化地震數據去混疊方法及系統，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。與現有技術相比，本發明避免了對數據線性、稀疏性及低秩等假設，去混疊處理效率高、穩定性好、精度高。

技術領域

本發明涉及一種地震數據去混疊方法及系統，尤其是涉及一種基于U-Net網絡的智能化地震數據去混疊方法及系統。

背景技術

地震數據混疊采集是有效提高地震數據采集效率的方法之一，但是混疊噪聲的存在，對后續地震數據處理及偏移成像帶來一定的挑戰，因此去混疊方法得到廣泛關注。

傳統去混疊方法一般包括濾波類方法和反演類方法：濾波類方法包括中值濾波、改進的中值濾波、FX反褶積等；反演類方法包括基于稀疏變換、字典學習等閾值迭代收縮方法。傳統去混疊方法一般對地震數據具有一定的前提假設，例如線性、稀疏性或低秩等；另外，隨著地震數據規模的增加，計算量迅速增加，且不同數據對應的最優化參數不同，需人工調節，進一步增加了計算耗時。隨著計算機技術的進步，特別是GPU的開發應用，為深度學習的廣泛應用奠定基礎?；谏疃葘W習方法，可以利用大量訓練集對地震數據進行自學習、非線性表征，已在地震數據插值、隨機噪聲去除等方面得到嘗試性應用。如何將深度學習方法應用于地震數據去混疊方法中，提高去混疊方法的計算效率及效果成為研究熱點。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于U-Net網絡的智能化地震數據去混疊方法及系統。

本發明的目的可以通過以下技術方案來實現：

一種基于U-Net網絡的智能化地震數據去混疊方法，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：