[發明專利]基于深度學習的大地電磁-地震波初至時聯合反演方法

有效

• 申請號: 202010961519.1
• 申請日: 2020-09-14
• 公開（公告）號: CN112308206B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 李懋坤;郭睿;楊帆;許慎恒
• 申請（專利權）人: 清華大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06F17/15;G06F17/18;G01V11/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張大威

本申請公開了一種基于深度學習的大地電磁?地震波初至時聯合反演方法，其中，方法包括：通過深度神經網絡訓練電阻率模型與速度模型的映射；根據神經網絡的輸出得到大地電磁或地震波初至時反演的參考模型；交替更新電阻率或速度，并通過參考模型進行大地電磁?地震波初至時的聯合反演。本申請實施例的基于深度學習的大地電磁?地震波初至時聯合反演方法，能夠將電阻率?速度的先驗統計規律融合到聯合反演中，并且反演得到的電阻率和速度模型具有較好的結構相似性，具有較高的泛化能力。

技術領域

本申請涉及地球物理反演成像技術領域，特別涉及一種基于深度學習的大地電磁-地震波初至時聯合反演方法。

背景技術

地質模型具有多種地球物理特性。為了表征地下結構，需要使用不同的勘探方法來估算這些性質。例如，可以利用大地電磁場推斷出地下電阻率，用地震波數據推測地下速度場。由于該兩種方法具有不同的分辨率，并且對地下結構的敏感度不同，因此對同一測區分別進行大地電磁或地震波反演，得到的結構可能會不一致，這給地球物理數據解釋帶來了許多挑戰。

鑒于電磁和地震數據包含地下結構的互補信息，與單獨的反演相比，兩種數據聯合反演可以進一步限制模型搜索空間，使反演出來的電阻率和速度有更多的相似結構，從而完成兩種模型的交叉驗證。目前的聯合反演主要有兩種框架：一種基于巖石物理關系，另一種基于結構相似性。在第一個框架中，兩個屬性之間的相關性是通過經驗方程建立的。通過找到速度和電阻率之間的直接關系，或者通過Archie或Waxman-Smits方程和Gassmann方程將電阻率和速度轉換為孔隙度和流體飽和度。

然而，雖然基于該方法已經完成了許多工作并顯示出良好的性能。但是，關系的構建依賴于經驗方程式中的預定義系數，需要根據不同情況進行選定。此外，這種方式不能考慮速度和電阻率之間的統計相關性。第二個框架假設不同的勘測方法反演出的模型應具備公共邊界，通過對目標函數施加結構相似性約束，使待反演速度和電阻率結構一致。這樣的約束條件包括交叉梯度，交互式正則化等。對于交叉梯度，速度和電阻率的邊界(如果存在)將指向相同的位置和方向，但是它并沒有在所有地方強制施加相同的結構；對于交互式正則化，將根據其中一個物理模型的邊界強加一個物理模型的邊界；基于結構相似性的聯合反演無法利用先驗電阻率-速度的統計規律去約束反演過程，有待解決。

申請內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的第一目的在于提出一種基于深度學習的大地電磁-地震波初至時聯合反演方法，能夠將電阻率-速度的先驗統計規律融合到聯合反演中，并且反演得到的電阻率和速度模型具有較好的結構相似性，具有較高的泛化能力。

本發明的第二個目的在于提出一種基于深度學習的大地電磁-地震波初至時聯合反演裝置。

本發明的第三個目的在于提出一種電子設備。

本發明的第四個目的在于提出一種計算機可讀存儲介質。

為達到上述目的，本申請第一方面實施例提供一種基于深度學習的大地電磁-地震波初至時聯合反演方法，包括以下步驟：

通過深度神經網絡訓練電阻率模型與速度模型的映射；

根據所述神經網絡的輸出得到大地電磁或地震波初至時反演的參考模型；以及

交替更新電阻率或速度，并通過所述參考模型進行大地電磁-地震波初至時的聯合反演。

另外，根據本發明上述實施例的基于深度學習的大地電磁-地震波初至時聯合反演方法還可以具有以下附加的技術特征：

可選地，聯合反演的目標函數為：