[发明专利]基于卷积神经网络的多波匹配方法

权利要求书

1.一种基于卷积神经网络的多波匹配方法，其特征在于，包括以下步骤：

A、对横波和纵波数据进行预处理；

B、将步骤A中预处理后的横波和纵波数据根据预设步长划分空间网格；

C、计算步骤B中空间网格的网格点位移量；

D、将横波和纵波数据进行融合并提取特征向量；

E、将步骤D中特征向量及对应的位移量作为训练样本，训练卷积神经网络；

F、按照步骤A-D对横波和纵波数据进行处理得到匹配数据体，建立三维时窗对匹配数据体进行遍历得到所有点的位移量，根据得到的位移量对纵波进行重采样完成多波匹配。

2.如权利要求1所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤A对横波和纵波数据进行预处理具体为根据纵横波速度比将纵波数据压缩到横波数据时间范围，压缩后的纵波数据与横波数据具有等长度。

3.如权利要求1所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤B将步骤A中预处理后的横波和纵波数据根据预设步长划分空间网格具体包括以下分步骤：

B1、计算已知点坐标中x,y,z的最大值和最小值，确定剖分区域；

B2、根据设定x,y,z方向的剖分步长对剖分区域进行划分，得到空间网格。

4.如权利要求1所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤C计算步骤B中空间网格的网格点位移量具体包括以下分步骤：

C1、对空间网格进行编号建立索引，以空间网格左上角的顶点标识该空间网格，并将已知点信息记录在对应的空间网格中；

C2、采用最大相关系数法对纵波数据的空间网格的网格点进行调整并记录调整值；

C3、依次计算所有空间网格的网格点位移量。

5.如权利要求4所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤C2中采用最大相关系数法对纵波数据的空间网格的网格点进行调整的调整值计算公式为：

其中，S(j₁,j₂)为最优的调整值，j₁和j₂分别为第j₁道横波数据和第j₂道横波数据，为设定的位移量范围，l为位移量范围内的位移量取值，f为横波数据，gl为对应位移量l的纵波数据。

6.如权利要求1所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤D中将横波和纵波数据进行融合具体为将横波中一个点的数据表示为(x_pp,y_pp,z_pp,f_pp)，纵波中一个点的数据表示为(x_ps,y_ps,z_ps,f_ps)，则融合后的数据表示为(x_pp,y_pp,z_pp,(f_pp,f_ps))。

7.如权利要求6所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤D中提取特征向量具体为在融合后的数据体上选取以网格点为中心的N×N×M大小的数据作为特征向量。

8.如权利要求1所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤E中的卷积神经网络包括第一卷积层、第一池化层、第二卷积层、第二池化层和全连接层。

9.如权利要求1所述的基于卷积神经网络的多波匹配方法，其特征在于，所述步骤F中建立三维时窗对匹配数据体进行遍历得到所有点的位移量具体为建立大小为N×N×M的三维时窗，在匹配数据体上依次滑动三维时窗，直到三维时窗的中心遍历完所有点，将三维时窗的数据点作为输入，得到的输出为时窗中心点的位移量。