[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

本發明公開了一種基于U?net++卷積神經網絡的初至波拾取方法及裝置，該方法包括：獲取待拾取的地震道集數據，其中，地震道集數據包括：多個地震道；將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，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。本發明能夠更準確地自動拾取地震數據中的初至波，滿足地震勘探對初至波的拾取精度要求，無需人工參與，解決了初至波拾取工作耗時耗力的問題。

技術領域

本發明涉及地球物理勘探領域，尤其涉及一種基于U-net++卷積神經網絡的初至波拾取方法及裝置。

背景技術

本部分旨在為權利要求書中陳述的本發明實施例提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

在地震資料處理中，準確拾取初至波是一項基礎而又很重要的工作。地震初至波拾取在折射波靜校正、VSP測井解釋、層析成像中都起著重要的作用，其準確程度直接決定地震資料的處理結果。

在早期，對于地震初至波的拾取，采用的方式主要是手工拾取，由于采集的地震數據道集數量龐大(常常是上萬道)，使得地震初至波拾取成為一項耗時費力、十分枯燥且效率低下的工作。

近年來，眾多學者針對初至波拾取技術的研究，提出了多種初至自動拾取方法，按照特征可分為以下幾大類：

①基于瞬時特征的方法(例如，能量比值法、瞬時強度比法、差分法、能量因子法等)，該類方法的優點是物理意義明確，操作簡單，對高信噪比資料效果好；缺點是對噪聲敏感，當地震記錄信噪比較低時，難以準確拾取初至波。

②基于整體特征的方法(例如，相關法、線性最小平方預測法等)，該類方法的優點是不受波形的影響，對噪聲有一定的抑制作用；缺點是受地震道相關性等因素影響，對于復雜地表條件地區的拾取效果較差，存在周期跳躍；

③基于綜合特征的方法(例如，邊緣檢測法、分形分維法等)，該類方法的優點是具有一定抗噪能力，在低信噪比地區，拾取效果較好；缺點是在低信噪比局部道集存在強噪音時，容易導致算法失敗。

對于高信噪比、初至波起跳明顯的地震數據，采用上述方法均能滿足初至自動拾取的精度要求，但對于復雜地表條件的地區，由于受地形等諸多因素影響，采集的地震數據具有低信噪比、弱初至波的特點，采用上述方法拾取初至波的精度不高，仍需要人工拾取。

發明內容

本發明實施例中提供了一種基于U-net++卷積神經網絡的初至波拾取方法，用以解決現有地震初至波拾取方法需要人工參與，存在耗時耗力的技術問題，該方法包括：獲取待拾取的地震道集數據，其中，地震道集數據包括：多個地震道；將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，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。

本發明實施例中還提供了一種基于U-net++卷積神經網絡的初至波拾取裝置，用以解決現有地震初至波拾取方法需要人工參與，存在耗時耗力的技術問題，該裝置包括：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，地震道集數據包括：多個地震道；初至波拾取模塊，用于將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，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。

本發明實施例中還提供了一種計算機設備，用以解決現有地震初至波拾取方法需要人工參與，存在耗時耗力的技術問題，該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，處理器執行計算機程序時實現上述基于U-net++卷積神經網絡的初至波拾取方法。

本發明實施例中還提供了一種計算機可讀存儲介質，用以解決現有地震初至波拾取方法需要人工參與，存在耗時耗力的技術問題，該計算機可讀存儲介質存儲有執行上述基于U-net++卷積神經網絡的初至波拾取方法的計算機程序。