[發明專利]一種基于輕量級網絡的地震相識別方法

有效

• 申請號: 202110993104.7
• 申請日: 2021-08-27
• 公開（公告）號: CN113703045B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 王峣鈞;劉桃
• 申請（專利權）人: 電子科技大學
• 主分類號: G01V1/30
• 分類號: G01V1/30;G01V1/40;G06V10/52;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.一種基于輕量級網絡的地震相識別方法，其特征在于，包括以下步驟：

S1、獲取數據標簽：在平面上對多口井進行連線，隨后根據連線位置垂直向下獲取每口井的地震剖面數據；然后采用歸一化方法將地震剖面數據縮放到0-255區間，將地震剖面數據處理成單通道的灰度圖像形式；然后根據測井上的分界線，定義數據標簽；

S2、獲取訓練數據：使用滑動窗口對灰度圖像進行圖像裁剪，得到一系列具有標簽信息的子圖像，子圖像的標簽與其所在原始灰度圖像的標簽相同；

S3、訓練地震相網絡識別模型：利用步驟S2得到的子圖像訓練地震相網絡識別模型；所述地震相網絡識別模型采用基于MobileNetv2輕量級網絡的deeplabv3+網絡框架，Deeplabv3+網絡分為編碼器和解碼器兩大部分；

在編碼器中，輸入圖片經過特征提取模塊提取特征后，進入金字塔模塊取多尺度的特征，最后通過1×1卷積模塊融合多尺度的特征信息并壓縮通道數量；

在解碼器中，來自于特征提取模塊輸出的信號通過降采樣2次得到低級特征信息，然后將低級特征信息通過1×1卷積模塊進行信息融合；編碼器輸出信號通過上采樣2倍后的輸出信號與1×1卷積模塊進行信息融合后的信號進行串聯，最后通過多次卷積和上采樣4倍后恢復輸入圖片尺寸大小；

在deeplabv3+網絡框架中，特征提取模塊采用MobileNetv2輕量級網絡；MobileNetv2輕量級網絡包括一個常規卷積塊以及多個倒殘差卷積塊，常規卷積塊采用深度可分離卷積網絡；

倒殘差卷積塊包括1個16個卷積組，步長為1的倒殘差卷積塊；2個24個卷積組，步長分別為2和1的倒殘差卷積塊；3個32個卷積組，步長分別為2、1、1的倒殘差卷積塊；4個64個卷積組，步長均為1的倒殘差卷積塊；4個96個卷積組，步長均為1的倒殘差卷積塊；3個160個卷積組，步長均為1的倒殘差卷積塊；以及1個320個卷積組，步長為1的倒殘差卷積塊；倒殘差結構是先升維后再進行可分離卷積，最后再通過1×1卷積降維，倒殘差結構在末尾取消了激活函數；

金字塔模塊包括：1×1卷積網絡、孔洞率為6的3×3卷積網絡、孔洞率為12的3×3卷積網絡、孔洞率為18的3×3卷積網絡、池化層；

S4、利用S3訓練的網絡模式識別地震相數據。

2.根據權利要求1所述的一種基于輕量級網絡的地震相識別方法，其特征在于，所述S3中，訓練地震相網絡識別模型時，在訓練集中選取一定比例的數據進行線上的數據增強，數據增強的方式包括隨機模糊、隨機飽和度變換、隨機明亮度變換和/或左右翻轉。