[發明專利]基于數據增廣的卷積神經網絡地震層間多次波壓制方法

有效

• 申請號: 202110902192.5
• 申請日: 2021-08-06
• 公開（公告）號: CN113687414B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 胡天躍;劉小舟;劉韜;安圣培;肖彥君
• 申請（專利權）人: 北京大學
• 主分類號: G01V1/30
• 分類號: G01V1/30;G01V1/36;G06N3/04;G06N3/08
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 黃鳳茹

本發明公布了一種基于數據增廣的卷積神經網絡地震層間多次波壓制方法，基于DnCNN和U?Net網絡模型，搭建層間多次波壓制的深層編解碼網絡模型，對三維陸地地震勘探資料采用搭建得卷積神經網絡模型進行自適應層間多次波壓制，實現三維陸地地震勘探資料的高效自適應層間多次波壓制；本發明利用神經網絡模型實現對三維地震數據的高效自適應層間多次波壓制，無需人為調參，且具有良好的抗噪性和較高的計算效率。

技術領域

本發明屬于勘探地震數據處理技術領域，涉及陸地地震資料層間多次波的自適應壓制方法，尤其涉及一種基于數據增廣的卷積神經網絡地震層間多次波壓制方法，對疊后三維地震數據中的不同測線數據采用基于數據增廣的卷積神經網絡方法，實現三維陸地地震資料的高效自適應層間多次波壓制。

背景技術

在地震勘探過程中，由于地下構造較為復雜，地震資料中通常含有干擾波，嚴重影響后續地震資料處理、解釋等工作的開展。其中地震層間多次波是在地下地層間發生了多次反射的地震波，其產生機理復雜，與一次波波組特征相似，剩余時差小，預測及壓制的難度較大，對構造及油氣識別帶來不利影響。因此，研究層間多次波壓制的有效方法在地震勘探領域具有重大意義。

目前的多次波壓制方法主要包括濾波方法和預測減去法兩大類[1]。濾波方法主要基于地震波運動學及動力學差異，將地震數據從時間-空間域變換到其他數據域后，根據多次波和一次波正常時差差異或多次波周期性將兩者分離，實現多次波壓制，例如預測反褶積法[2]、Radon變換法[3]、聚束濾波方法[4-6]等。這類方法具有較高的計算效率，但處理速度梯度小或構造復雜的數據時效果較差。預測減去法以波動方程為基礎，從地震資料出發預測多次波，再將預測的多次波從原始數據中減去，例如波場延拓方法[7]、SRME方法(surface-related multiple elimination，地表相關多次波壓制法)[8]等，其中針對表面多次波壓制的SRME法已形成商業化模塊。由于層間多次波與一次波在振幅和時間上有較強的相似性，許多層間多次波壓制方法被相繼提出，例如基于反饋迭代模型的多次波壓制方法[9]、逆散射級數法[10]及虛同相軸方法[11]等。與濾波方法相比，預測減去法能夠對構造復雜地區的數據取得較好的多次波壓制結果，然而計算效率較低，極大程度上依賴于人工調參[12]，且處理低信噪比數據時通常會導致多次波泄露。

隨著計算機運算能力的提高和人工智能技術的發展，深度學習模型鑒于其強大的特征提取能力及數據驅動的特點被廣泛應用于地球物理領域。地震數據去噪是其中的熱點之一，利用深度學習模型建立出含噪數據與干凈數據的復雜映射關系，以此實現對新數據集的高效自適應去噪，達到無需人為調參、顯著提高去噪效率的目的[13]。卷積神經網絡(CNN)在深度學習圖像去噪領域表現突出，常用網絡包括U形編碼與解碼網絡(U-Net)[14]、去噪卷積神經網絡(DnCNN)[15]、生成對抗網絡[16]等。在地震數據去噪領域，DnCNN和U-Net[13][17]等網絡在合成及實際數據的隨機噪聲壓制中取得了較好的效果。此外，DnCNN被成功用于壓制合成及野外數據中的線性噪音[13]。然而，將神經網絡方法應用在地震多次波壓制方面的技術方案較少，目前只被用于壓制合成地震數據中的表面多次波[13]。對于層間多次波，難以利用神經網絡方法實現自適應去噪，主要有以下幾個原因：(1)缺少成熟的層間多次波壓制方法，無法對實際數據生成一次波標簽并建立有標簽數據集；(2)層間多次波作為典型的規則干擾，其波形等特征與局部構造變化有關，需要在三維地震數據體中生成足夠量的標簽數據，否則神經網絡無法學習到每條測線多次波的特征；而利用傳統方法生成大量標簽數據使得神經網絡方法同樣出現耗時長的問題。

參考文獻：

[1]Weglein A B.Multiple attenuation：an overview of recent advancesand the road ahead[J].The Leading Edge，1999，18(1)：40-44.