[發明專利]基于U-net++卷積神經網絡的初至波拾取方法及裝置

在審

• 申請號: 202010776031.1
• 申請日: 2020-08-05
• 公開（公告）號: CN114063164A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 龔仁彬;鄭曉東;王鋒;周相廣;林霞;米蘭;蔣旭東;胡蓮蓮;李薇薇;張烈
• 申請（專利權）人: 中國石油天然氣股份有限公司
• 主分類號: G01V1/32
• 分類號: G01V1/32;G01V1/28;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 谷敬麗;吳學鋒

1.一種基于U-net++卷積神經網絡的初至波拾取方法，其特征在于，包括：

獲取待拾取的地震道集數據，其中，所述地震道集數據包括：多個地震道；

將所述待拾取的地震道集數據，輸入至初至波拾取模型中，輸出各個地震道的初至時間，其中，所述初至波拾取模型為預先通過機器學習訓練得到的U-net++卷積神經網絡模型。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

構建U-net++卷積神經網絡模型，其中，所述U-net++卷積神經網絡模型包括：卷積層、池化層和復制疊加層。

3.如權利要求2所述的方法，其特征在于，所述方法還包括：

獲取訓練樣本數據；

根據所述訓練樣本數據，對U-net++卷積神經網絡模型進行訓練，得到初至波拾取模型。

4.如權利要求3所述的方法，其特征在于，所述方法還包括：

獲取測試樣本數據；

根據所述測試樣本數據，對訓練得到的初至波拾取模型進行驗證。

5.如權利要求4所述的方法，其特征在于，所述方法還包括：

采集激發地震信號產生的共炮點道集數據；

對所述共炮點道集數據進行初至波標注，得到初至波標注數據；

按照預設比例，將初至波標注數據劃分為訓練樣本數據和測試樣本數據。

6.如權利要求5所述的方法，其特征在于，所述方法還包括：

對采集的共炮點道集數據進行缺失值處理。

7.如權利要求6所述的方法，其特征在于，所述方法還包括：

對缺失值處理后的共炮點道集數據進行數據分割處理，使得數據分割處理后的共炮點道集數據具有相同地震道數和采樣數。

8.如權利要求7所述的方法，其特征在于，所述方法還包括：

對數據分割處理后的共炮點道集數據進行歸一化處理。

9.如權利要求5至8任一項所述的方法，其特征在于，所述方法還包括：

將采集的共炮點道集數據寫入TFRecord格式的文件中。

10.一種基于U-net++卷積神經網絡的初至波拾取裝置，其特征在于，包括：

待拾取地震數據獲取模塊，用于獲取待拾取的地震道集數據，其中，所述地震道集數據包括：多個地震道；

初至波拾取模塊，用于將所述待拾取的地震道集數據，輸入至初至波拾取模型中，輸出各個地震道的初至時間，其中，所述初至波拾取模型為預先通過機器學習訓練得到的U-net++卷積神經網絡模型。

11.如權利要求10所述的裝置，其特征在于，所述裝置還包括：

初至波拾取模型訓練模塊，用于獲取訓練樣本數據；以及根據所述訓練樣本數據，對U-net++卷積神經網絡模型進行訓練，得到初至波拾取模型。

12.如權利要求11所述的裝置，其特征在于，所述裝置還包括：

樣本數據獲取模塊，用于采集激發地震信號產生的共炮點道集數據，對所述共炮點道集數據進行初至波標注，得到初至波標注數據，并按照預設比例，將初至波標注數據劃分為訓練樣本數據和測試樣本數據。

13.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至9任一項所述基于U-net++卷積神經網絡的初至波拾取方法。

14.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有執行權利要求1至9任一項所述基于U-net++卷積神經網絡的初至波拾取方法的計算機程序。