【技術實現步驟摘要】
本專利技術涉及地球物理勘探，尤其涉及一種地震數據的反褶積方法及裝置。
技術介紹
1、在地震資料處理過程中反褶積處理是尤為重要的一個環節，在整個過程中起到承上啟下的作用，反褶積主要是通過壓縮地震記錄中的基本地震子波、壓制交混回響和短周期多次波，從而提高縱向分辨率。
2、雖然現階段，國內外在反褶積技術的已經取得了一定發展，且近年來隨著人工智能的不斷發展，基于深度學習的地震資料處理技術也取得一定的應用效果，但基于深度神經網絡實現地地震資料的一致性處理，以更好的服務于地震資料預處理一致性反褶積流程的方法尚未被提出。
技術實現思路
1、本專利技術提供一種地震數據的反褶積方法及裝置，基于深度神經網絡實現了面向地表的反褶積算子的提取，提升了網絡精度，實現了疊前資料地震一致性反褶積的處理。
2、第一方面，本專利技術提供了一種地震數據的反褶積方法，包括：
3、獲取待測地震數據和歷史地震數據；
4、基于所述歷史地震數據建立地震樣本數據庫；
5、從地震樣本數據庫中獲取地震數據訓練樣本；所述地震數據樣本包括：共炮集數據及對應的樣本類別標簽；
6、基于所述共炮集數據及對應的樣本類別標簽，構建目標一致性反褶積網絡；
7、將所述待測地震數據輸入所述一致性反褶積網絡，得到對應的預測類別。
8、可選地，所述樣本類別標簽包括：共檢波域數據和共偏移距域數據；基于所述歷史地震數據建立地震樣本數據庫，包括：
9、將所
10、依據所述歷史地震數據的數據類型，標注對應的數據類別標簽；
11、依據所述歷史地震數據及對應的數據類別標簽，構建所述地震樣本數據庫。
12、可選地，基于所述共炮集數據及對應的樣本類別標簽，構建目標一致性反褶積網絡，包括：
13、將所述共炮集數據所有共炮集輸入一致性反褶積網絡，生成對應的樣本類別；
14、根據所述樣本類別標簽和樣本類別，確定訓練誤差，并基于所述訓練誤差，對所述一致性反褶積網絡進行調整，以得到最優網絡參數，并采用所述最優網絡參數生成目標一致性反褶積網絡。
15、可選地，將所述共炮集數據所有共炮集輸入一致性反褶積網絡，生成對應的樣本類別之前，還包括：
16、將所述共炮集數據按照預設大小進行分塊裁剪或重采樣。
17、第二方面，本專利技術提供了一種地震數據的反褶積裝置，包括：
18、數據獲取模塊，用于獲取待測地震數據和歷史地震數據；
19、數據庫建立模塊，用于基于所述歷史地震數據建立地震樣本數據庫；
20、樣本獲取模塊，用于從地震樣本數據庫中獲取地震數據訓練樣本；所述地震數據樣本包括：共炮集數據及對應的樣本類別標簽；
21、構建模塊，用于基于所述共炮集數據及對應的樣本類別標簽，構建目標一致性反褶積網絡；
22、預測模塊，用于將所述待測地震數據輸入所述一致性反褶積網絡，得到對應的預測類別。
23、可選地，所述樣本類別標簽包括：共檢波域數據和共偏移距域數據；所述數據庫建立模塊包括：
24、分選子模塊，用于將所述歷史地震數據分選得到包括共檢波域數據和共偏移距域數據在內的兩種數據類型；
25、標注子模塊，用于依據所述歷史地震數據的數據類型，標注對應的數據類別標簽；
26、構建子模塊，用于依據所述歷史地震數據及對應的數據類別標簽，構建所述地震樣本數據庫。
27、可選地，所述構建模塊包括：
28、輸入子模塊，用于將所述共炮集數據所有共炮集輸入一致性反褶積網絡，生成對應的樣本類別；
29、網絡生成子模塊，用于根據所述樣本類別標簽和樣本類別，確定訓練誤差，并基于所述訓練誤差，對所述一致性反褶積網絡進行調整，以得到最優網絡參數，并采用所述最優網絡參數生成目標一致性反褶積網絡。
30、可選地，所述構建模塊還包括：
31、預處理子模塊，用于將所述共炮集數據按照預設大小進行分塊裁剪或重采樣。
32、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。
33、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。
34、從以上技術方案可以看出，本專利技術具有以下優點：
35、本專利技術提供了一種地震數據的反褶積方法及裝置，方法包括：獲取待測地震數據和歷史地震數據；基于所述歷史地震數據建立地震樣本數據庫；從地震樣本數據庫中獲取地震數據訓練樣本；所述地震數據樣本包括：共炮集數據及對應的樣本類別標簽；基于所述共炮集數據及對應的樣本類別標簽，構建目標一致性反褶積網絡；將所述待測地震數據輸入所述一致性反褶積網絡，得到對應的預測類別。建立引入自注意力機制的智能化地表一致性反褶積深度神經網絡，并基于深度神經網絡實現面向地表的反褶積算子的提取，實現疊前資料地震一致性反褶積的處理。
本文檔來自技高網...【技術保護點】
1.一種地震數據的反褶積方法，其特征在于，包括：
2.根據權利要求1所述的地震數據的反褶積方法，其特征在于，所述樣本類別標簽包括：共檢波域數據和共偏移距域數據；基于所述歷史地震數據建立地震樣本數據庫，包括：
3.根據權利要求1所述的地震數據的反褶積方法，其特征在于，基于所述共炮集數據及對應的樣本類別標簽，構建目標一致性反褶積網絡，包括：
4.根據權利要求3所述的地震數據的反褶積方法，其特征在于，將所述共炮集數據所有共炮集輸入一致性反褶積網絡，生成對應的樣本類別之前，還包括：
5.一種地震數據的反褶積裝置，其特征在于，包括：
6.根據權利要求5所述的地震數據的反褶積裝置，其特征在于，所述樣本類別標簽包括：共檢波域數據和共偏移距域數據；所述數據庫建立模塊包括：
7.根據權利要求5所述的地震數據的反褶積裝置，其特征在于，所述構建模塊包括：
8.根據權利要求7所述的地震數據的反褶積裝置，其特征在于，所述構建模塊還包括：
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
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】
1.一種地震數據的反褶積方法，其特征在于，包括：
2.根據權利要求1所述的地震數據的反褶積方法，其特征在于，所述樣本類別標簽包括：共檢波域數據和共偏移距域數據；基于所述歷史地震數據建立地震樣本數據庫，包括：
3.根據權利要求1所述的地震數據的反褶積方法，其特征在于，基于所述共炮集數據及對應的樣本類別標簽，構建目標一致性反褶積網絡，包括：
4.根據權利要求3所述的地震數據的反褶積方法，其特征在于，將所述共炮集數據所有共炮集輸入一致性反褶積網絡，生成對應的樣本類別之前，還包括：
5.一種地震數據的反褶積裝置，其特征在于，包括：
6.根據權利要求5所...
【專利技術屬性】
技術研發人員：陶永慧，王瑩瑩，賀偉光，
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。