[發明專利]基于CNN的剝蝕點識別方法

在審

• 申請號: 202110011743.9
• 申請日: 2021-01-06
• 公開（公告）號: CN114722852A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 顏世翠;羅紅梅;管曉燕;楊培杰;張娟;鄭文召;韋欣法;邵卓娜;王慶華;張景濤
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司勝利油田分公司勘探開發研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G01V1/30
• 代理公司: 濟南日新專利代理事務所(普通合伙) 37224
• 代理人: 劉亞寧

1.一種基于CNN的剝蝕點識別方法，其特征在于，所述方法包括以下步驟：

模擬剝蝕地層，得到剝蝕地層的合成地震記錄；

切取圖片，作為樣本數據的特征值；

定義剝蝕地層的標簽；

配置訓練和測試數據；構建卷積神經網絡模型；

預測剝蝕點的位置。

2.根據權利要求1所述的識別方法，其特征在于，建立不同傾角的剝蝕地層的地質模型；建立不整合面與剝蝕地層在不同夾角條件下的地質模型；通過射線追蹤法進行正演模擬，得到多套剝蝕地層的合成地震記錄。

3.根據權利要求1所述的識別方法，其特征在于，在合成地震記錄上，提取相位屬性，得到相位屬性剖面；從合成地震記錄的相位屬性出發，沿不整合面往下取固定時窗，將數據在橫向上平均切分成多張圖片，作為樣本數據的特征值；或者，

在實際三維地震數據上，提取瞬時相位屬性，得到相位屬性體；從實際三維地震的相位屬性體出發，沿不整合面往下取固定時窗，將數據在橫向上平均切分成多張圖片，作為樣本數據的特征值。

4.根據權利要求1所述的識別方法，其特征在于，從特征值中，挑選出有剝蝕點信息的圖片；將有剝蝕點信息的圖片，定義標簽1；將沒有剝蝕點信息的圖片，定義標簽0。

5.根據權利要求1所述的識別方法，其特征在于，將所有樣本數據，按照8：2的比例，配置訓練和測試數據。

6.根據權利要求1所述的識別方法，其特征在于，構建卷積神經網絡模型,包括輸入層、卷積層、池化層、多個隱層、全連接層和輸出層。

7.根據權利要求6所述的識別方法，其特征在于，一維卷積公式如下：

s(t)＝∫x(t-a)w(a)da

其中w是一維卷積核函數，a是卷積核函數的自變量，x是輸入信號，t是輸入信號的自變量，s是卷積輸出結果。

如果是二維的卷積，則表示為：

其中w是二維卷積核函數，m,n是卷積核函數的自變量，x是輸入信號，i,j是輸入信號的自變量，X*W和s是卷積輸出函數。

8.根據權利要求1、6和7任一項所述的識別方法，其特征在于，設置卷積神經網絡模型參數，包括卷積核的大小、權重、偏置、隱含層的數量、激活函數的選擇；通過不斷地學習訓練數據，訓練卷積神經網絡模型，得到最優的參數，并保存到模型當中。