[發(fā)明專利]一種基于特征張量的高維地震數(shù)據(jù)插值方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011014635.9
• 申請(qǐng)日: 2020-09-24
• 公開（公告）號(hào): CN112163611B
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計(jì)）人: 陳堯;賈永娜;顧軍華;常光耀;李一凡
• 申請(qǐng)（專利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/10;G06N20/20;G01V1/28
• 代理公司: 天津翰林知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12210
• 代理人: 王瑞

本發(fā)明公開了一種基于特征張量的高維地震數(shù)據(jù)插值方法，包括數(shù)據(jù)的預(yù)處理、訓(xùn)練特征張量的提取、張量回歸模型的訓(xùn)練學(xué)習(xí)和插值重建。本發(fā)明將張量回歸模型應(yīng)用于地震數(shù)據(jù)插值重建中，以張量作為輸入特征進(jìn)行訓(xùn)練，將原始特征直接輸入至張量回歸模型，并不破壞高維數(shù)據(jù)的結(jié)構(gòu)信息，有效保留了原始特征中的結(jié)構(gòu)信息，提高了高維地震數(shù)據(jù)的結(jié)構(gòu)信息利用率，提高了機(jī)器學(xué)習(xí)方法的插值效果，提高了地震數(shù)據(jù)的恢復(fù)質(zhì)量，進(jìn)而提高了地震資料解釋的準(zhǔn)確性，實(shí)現(xiàn)了對(duì)不同類型不同維度地震數(shù)據(jù)的普適能力。

技術(shù)領(lǐng)域

本發(fā)明涉及地震數(shù)據(jù)處理領(lǐng)域，具體一種基于特征張量的高維地震數(shù)據(jù)插值方法。

背景技術(shù)

目前國(guó)民賴以生存的傳統(tǒng)能源，如天然氣、石油等的開采離不開勘探物理學(xué)，采集到的數(shù)據(jù)被稱為地震數(shù)據(jù)。高密度的完整地震數(shù)據(jù)在后續(xù)偏移成像和多次波壓制等步驟中至關(guān)重要。但是一方面檢波器的布置受到自然條件約束，導(dǎo)致采集的數(shù)據(jù)出現(xiàn)整列缺失的現(xiàn)象；另一方面為了節(jié)省開采成本，會(huì)增加相鄰檢波器之間的距離，造成數(shù)據(jù)過于稀疏，導(dǎo)致采集的數(shù)據(jù)出現(xiàn)數(shù)據(jù)缺失現(xiàn)象。地震數(shù)據(jù)插值的目的就是將缺失的數(shù)據(jù)補(bǔ)充完整，或?qū)⑾∈璧臄?shù)據(jù)通過數(shù)學(xué)算法進(jìn)行道加密，將數(shù)據(jù)高密度化。近年來，勘探行業(yè)越來越關(guān)注高維地震數(shù)據(jù)的采集。高維地震數(shù)據(jù)是指多檢波器多炮點(diǎn)在不同時(shí)刻采集到的數(shù)據(jù)。數(shù)據(jù)空間坐標(biāo)軸之間的信息在復(fù)雜的物理波特性約束下緊密相連，因此高維地震數(shù)據(jù)能夠包含更多的結(jié)構(gòu)信息，為地下介質(zhì)的正確解釋提供更多依據(jù)。但是由于經(jīng)濟(jì)條件和自然條件的限制，高維地震數(shù)據(jù)插值重建問題顯得尤其重要。

傳統(tǒng)算法如稀疏變換、字典學(xué)習(xí)、張量完備等處理高維地震數(shù)據(jù)插值問題時(shí)，往往依賴于通過展開的方式降維轉(zhuǎn)換，將高維地震數(shù)據(jù)轉(zhuǎn)換為低維地震數(shù)據(jù)，采用低維插值算法進(jìn)行插值，這破壞了地震數(shù)據(jù)在不同維度間的物理相關(guān)性關(guān)系，插值效果有待進(jìn)一步提高。原始機(jī)器學(xué)習(xí)方法往往將高維數(shù)據(jù)按某一維度展開為向量，這破壞了高維地震數(shù)據(jù)豐富的多維特性，且隨著維度的增加，訓(xùn)練參數(shù)也隨之增加，導(dǎo)致在訓(xùn)練高維數(shù)據(jù)時(shí)效率不高，插值效果不理想。新興的機(jī)器學(xué)習(xí)算法展現(xiàn)了對(duì)不同類型地震數(shù)據(jù)的普適性以及強(qiáng)大的學(xué)習(xí)能力，但仍未達(dá)到學(xué)習(xí)結(jié)構(gòu)信息的能力。在解決高維數(shù)據(jù)時(shí)，仍需展開后采用低維算法進(jìn)行插值。

近年來，張量回歸模型如支持張量機(jī)、廣義張量線性回歸模型、低秩稀疏張量回歸模型等，應(yīng)用于圖像領(lǐng)域、神經(jīng)影像學(xué)、高光譜遙感成像等應(yīng)用領(lǐng)域。借助于張量分解，該模型在高維數(shù)據(jù)的處理上具有顯著優(yōu)勢(shì)。而在地震數(shù)據(jù)插值技術(shù)中，現(xiàn)有的算法缺乏對(duì)高維數(shù)據(jù)的普適性能力，適應(yīng)高維數(shù)據(jù)的普適性插值算法的研究是有必要的。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明擬解決的技術(shù)問題是，提供一種基于特征張量的高維地震數(shù)據(jù)插值方法。

本發(fā)明解決所述技術(shù)問題的技術(shù)方案是，提供一種基于特征張量的高維地震數(shù)據(jù)插值方法，其特征在于該方法包括以下步驟：

步驟一、數(shù)據(jù)的預(yù)處理：選擇原始訓(xùn)練數(shù)據(jù)，再對(duì)原始訓(xùn)練數(shù)據(jù)進(jìn)行缺失處理，得到缺失訓(xùn)練數(shù)據(jù)；再采用插值算法分別對(duì)缺失訓(xùn)練數(shù)據(jù)與缺失地震數(shù)據(jù)進(jìn)行預(yù)插值處理，得到預(yù)插值訓(xùn)練數(shù)據(jù)和預(yù)插值重建數(shù)據(jù)；

步驟二、訓(xùn)練特征張量的提取：選定步長(zhǎng)與規(guī)模，分別對(duì)預(yù)插值訓(xùn)練數(shù)據(jù)與預(yù)插值重建數(shù)據(jù)進(jìn)行局部切割處理，得到訓(xùn)練特征張量和預(yù)測(cè)特征張量；

步驟三、張量回歸模型的訓(xùn)練學(xué)習(xí)：在原始訓(xùn)練數(shù)據(jù)中確定訓(xùn)練特征張量與原始訓(xùn)練數(shù)據(jù)的映射點(diǎn)，映射點(diǎn)即為訓(xùn)練標(biāo)簽，得到由訓(xùn)練標(biāo)簽和訓(xùn)練特征張量組成的訓(xùn)練集；每一個(gè)訓(xùn)練特征張量和與之對(duì)應(yīng)的訓(xùn)練標(biāo)簽組成訓(xùn)練集中的一組訓(xùn)練點(diǎn)對(duì)；將每組訓(xùn)練點(diǎn)對(duì)依次輸入至張量回歸模型，對(duì)張量回歸模型進(jìn)行訓(xùn)練學(xué)習(xí)，得到訓(xùn)練后的張量回歸模型；

步驟四、插值重建：將預(yù)測(cè)特征張量依次輸入至訓(xùn)練后的張量回歸模型中，得到預(yù)測(cè)標(biāo)簽集；再根據(jù)步驟三確定的訓(xùn)練特征張量與原始訓(xùn)練數(shù)據(jù)的映射關(guān)系，使用預(yù)測(cè)標(biāo)簽集中的預(yù)測(cè)標(biāo)簽對(duì)缺失地震數(shù)據(jù)進(jìn)行插值操作，得到重建地震數(shù)據(jù)。

與現(xiàn)有技術(shù)相比，本發(fā)明有益效果在于：