【技術實現步驟摘要】
本專利技術涉及油氣地球物理，尤其涉及一種地震數據的相干噪音壓制方法及裝置。
技術介紹
1、疊后地震數據中相干噪音來源復雜多變，既包括地震信號采集過程中面波、多次波及其他類型噪音的殘留，又包括由于處理過程所帶來的偏移假象等。其具體的噪音強度、分布頻帶和形態模式同時受到采集環境、采集方式和處理流程等多方面的影響，難以通過理論推導建立理論噪音生成模型，且不同區塊疊后地震數據相干噪音表現形式亦大相徑庭。
2、傳統的地震處理算法主要基于地震有效信號的結構性、連續性、稀疏性或相似性假設，借助時域構造導向濾波、f-x域預測性濾波、字典學習、低秩擬合和局部相似性濾波算法進行相干噪音的壓制。這些算法雖然能夠在一定程度上去除相干噪音，但在方法普適性等方面存在著問題，且具體數據上的處理效果非常依賴于算法參數的設置。
3、對此，大量基于深度學習的地震噪音壓制算法相繼被提出，而基于深度學習的地震噪音壓制需要大量成對的地震數據作為學習樣本，由于實際含噪地震數據對應無噪響應無法獲取，并無法直接為其制作樣本標簽用于網絡學習。對此，現有技術往往采用以下兩種思路進行樣本合成：(1)基于傳統方法去噪結果進行樣本合成及基于人工生成地層模型正演響應合成，這兩種去噪網絡學習樣本合成方法均存在著一定的問題。因此亦涌現出一系列自監督學習和基于cyclegan的不成對學習地震去噪算法。然而，自監督學習地震去噪往往假設僅能夠處理隨機噪音，無法有效壓制地震數據中的相干噪音。而基于不成對學習的去噪算法往往存在著學習過程不穩定、需要人工確定訓練終止時刻等問題。因
技術實現思路
1、本專利技術提供一種地震數據的相干噪音壓制方法及裝置，用于使用訓練得到的去噪網絡模型對實際地震數據進行相干噪音壓制處理。
2、第一方面，本專利技術提供了一種地震數據的相干噪音壓制方法，包括：
3、通過所獲取的實際地震數據、人工合成反射系統地層模型及高斯隨機噪音，對生成器進行訓練，并引入判別器進行生成對抗學習，得到目標生成器；
4、利用所述目標生成器，基于所述實際地震數據及所述人工合成反射系統地層模型，構建地震響應訓練樣本；所述地震響應訓練樣本包括：含噪響應樣本及對應的無噪地震響應標簽；
5、通過所述含噪響應樣本及對應的無噪地震響應標簽，構建目標去噪網絡；
6、獲取待處理地震數據，并將所述待處理地震數據屬于所述目標去噪網絡，得到無噪地震響應預測數據。
7、可選地，通過所獲取的實際地震數據、人工合成反射系統地層模型及高斯隨機噪音，對生成器進行訓練，并引入判別器進行生成對抗學習，得到目標生成器，包括：
8、通過自相關函數的方法，確定所述實際地震數據的子波信息；
9、將所述子波信息與所述人工合成反射系數地層模型中的合成反射系數褶積，合成得到對應的無噪地震響應；
10、通過所述實際地震數據機器頻帶分布、所述無噪地震響應及所述判別器，對所述生成器進行對抗學習，得到所述目標生成器。
11、可選地，，通過所述實際地震數據機器頻帶分布、所述無噪地震響應及所述判別器，對所述生成器進行對抗學習，得到所述目標生成器，包括：
12、通過生成器生成與所述實際地震數據噪音風格一致的相干噪音；
13、按照加性模型將所述相干噪音與所述無噪地震響應進行組合，得到含噪響應；
14、基于所述含噪響應及所述實際地震數據，結合所述判別器對所述生成器進行對抗學習，得到所述目標生成器。
15、可選地，基于所述含噪響應及所述實際地震數據，結合所述判別器對所述生成器進行對抗學習，得到所述目標生成器，包括：
16、利用所述判別器確定所述含噪響應及所述實際地震數據間的訓練誤差；
17、根據所述訓練誤差，對所述生成器進行調整，得到最優網絡參數；
18、采用所述最優網絡參數，生成所述目標生成器。
19、第二方面，本專利技術提供了一種地震數據的相干噪音壓制裝置，包括：
20、目標生成器構建模塊，用于通過所獲取的實際地震數據、人工合成反射系統地層模型及高斯隨機噪音，對生成器進行訓練，并引入判別器進行生成對抗學習，得到目標生成器；
21、訓練樣本構建模塊，用于利用所述目標生成器，基于所述實際地震數據及所述人工合成反射系統地層模型，構建地震響應訓練樣本；所述地震響應訓練樣本包括：含噪響應樣本及對應的無噪地震響應標簽；
22、目標去噪網絡構建模塊，用于通過所述含噪響應樣本及對應的無噪地震響應標簽，構建目標去噪網絡；
23、預測模塊，用于獲取待處理地震數據，并將所述待處理地震數據屬于所述目標去噪網絡，得到無噪地震響應預測數據。
24、可選地，所述目標生成器構建模塊包括：
25、子波信息確定子模塊，用于通過自相關函數的方法，確定所述實際地震數據的子波信息；
26、合成子模塊，用于將所述子波信息與所述人工合成反射系數地層模型中的合成反射系數褶積，合成得到對應的無噪地震響應；
27、構建子模塊，用于通過所述實際地震數據機器頻帶分布、所述無噪地震響應及所述判別器，對所述生成器進行對抗學習，得到所述目標生成器。
28、可選地，所述構建子模塊包括：
29、相干噪音生成單元，用于通過生成器生成與所述實際地震數據噪音風格一致的相干噪音；
30、組合單元，用于按照加性模型將所述相干噪音與所述無噪地震響應進行組合，得到含噪響應；
31、對抗學習單元，用于基于所述含噪響應及所述實際地震數據，結合所述判別器對所述生成器進行對抗學習，得到所述目標生成器。
32、可選地，所述對抗學習單元包括：
33、訓練誤差確定子單元，用于利用所述判別器確定所述含噪響應及所述實際地震數據間的訓練誤差；
34、最優網絡參數確定子單元，用于根據所述訓練誤差，對所述生成器進行調整，得到最優網絡參數；
35、生成子單元，用于采用所述最優網絡參數，生成所述目標生成器。
36、第三方面，本申請提供一種電子設備，包括處理器以及存儲器，所述存儲器存儲有計算機可讀取指令，當所述計算機可讀取指令由所述處理器執行時，運行如上述第一方面提供的所述方法中的步驟。
37、第四方面，本申請提供一種存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時運行如上述第一方面提供的所述方法中的步驟。
38、從以上技術方案可以看出，本專利技術具有以下優點：
39、本專利技術提供了一種地震數據的相干噪音壓制方法及裝置，方法包括：通過所獲取的實際地震數據、人工合成反射系統地層模型及高斯隨機噪音，對生成器進行訓練，并引入判別器進行生成對抗學習，得到目標生成器；利用所述目標生成器，基于所述實際地震數據及所述人工合成反射系統地層模型，構建地震響應本文檔來自技高網...
【技術保護點】
1.一種地震數據的相干噪音壓制方法，其特征在于，包括：
2.根據權利要求1所述的地震數據的相干噪音壓制方法，其特征在于，通過所獲取的實際地震數據、人工合成反射系統地層模型及高斯隨機噪音，對生成器進行訓練，并引入判別器進行生成對抗學習，得到目標生成器，包括：
3.根據權利要求2所述的地震數據的相干噪音壓制方法，其特征在于，通過所述實際地震數據機器頻帶分布、所述無噪地震響應及所述判別器，對所述生成器進行對抗學習，得到所述目標生成器，包括：
4.根據權利要求3所述的地震數據的相干噪音壓制方法，其特征在于，基于所述含噪響應及所述實際地震數據，結合所述判別器對所述生成器進行對抗學習，得到所述目標生成器，包括：
5.一種地震數據的相干噪音壓制裝置，其特征在于，包括：
6.根據權利要求5所述的地震數據的相干噪音壓制裝置，其特征在于，所述目標生成器構建模塊包括：
7.根據權利要求6所述的地震數據的相干噪音壓制裝置，其特征在于，所述構建子模塊包括：
8.根據權利要求7所述的地震數據的相干噪音壓制裝置，其特征在于，所
9.一種電子設備，其特征在于，包括處理器以及存儲器，所述存儲器存儲有計算機可讀取指令，當所述計算機可讀取指令由所述處理器執行時，運行如權利要求1-4任一項所述的方法。
10.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時運行如權利要求1-4任一項所述的方法。
...【技術特征摘要】
1.一種地震數據的相干噪音壓制方法，其特征在于，包括：
2.根據權利要求1所述的地震數據的相干噪音壓制方法，其特征在于，通過所獲取的實際地震數據、人工合成反射系統地層模型及高斯隨機噪音，對生成器進行訓練，并引入判別器進行生成對抗學習，得到目標生成器，包括：
3.根據權利要求2所述的地震數據的相干噪音壓制方法，其特征在于，通過所述實際地震數據機器頻帶分布、所述無噪地震響應及所述判別器，對所述生成器進行對抗學習，得到所述目標生成器，包括：
4.根據權利要求3所述的地震數據的相干噪音壓制方法，其特征在于，基于所述含噪響應及所述實際地震數據，結合所述判別器對所述生成器進行對抗學習，得到所述目標生成器，包括：
5.一種...
【專利技術屬性】
技術研發人員：徐凱，姜大建，劉俊州，
申請(專利權)人：中國石油化工股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。