[发明专利]基于卷积神经网络的多波匹配方法

说明书

本发明公开了一种基于卷积神经网络的多波匹配方法。其包括对横波和纵波数据进行预处理，将横波和纵波数据根据预设步长划分空间网格，计算空间网格的网格点位移量，将横波和纵波数据进行融合并提取特征向量，训练卷积神经网络，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。本发明通过训练卷积神经网络对横波和纵波数据进行匹配，大大提高了匹配精度和效率，降低了工作量。

技术领域

本发明属于多波匹配技术领域，尤其涉及一种基于卷积神经网络的多波匹配方法。

背景技术

多波地震勘探是进行岩性油气藏和隐蔽油气藏勘探的一种非常有潜力的手段，但是，由于诸多原因，多波多分量理论研究和油气田实际勘探地质需求的结合问题、复杂条件下的转换波地震资料处理问题和多波综合解释、全波属性的地质应用等问题一直没有取得显著进展，并且已经成为制约多波地震勘探技术进一步发展的“瓶颈”。而解决这些问题的基础是做好多波多分量资料处理，提供高质量的各向同性和各向异性处理成果。其中多波传播机理的基础研究、多波资料中的纵横波匹配方法研究是目前多波地震资料后续处理的重点和难点，是多波精确成像和叠前纵横波联合反演以及岩性识别、储层预测和含气性识别的重要基础，是体现多波多分量地震勘探技术实际勘探开发应用价值的关键。因此，基于多波传播机理，研究纵横波高精度的匹配新方法，有利于充分利用多波多分量地震资料、准确认识多波地质响应特征，突出多波多分量地震资料解决地质问题的能力，具有重大的意义。

目前多波匹配有基于反射特征的匹配方法和基于多波层位的匹配方法，前者通过横波， (简称PP波)和纵波(简称PS波)波地震数据的波形和波组特征进行对比生成γ₀值，然后基于该γ₀值实现两者的时间域匹配。后者首先分别基于PP波和PS波地震数据追踪解释出对应的层位。然后通过标定对应层位产生时移体，最后将时移体应用于PS地震数据，实现PS与PP地震数据的匹配。目前的多波匹配技术存在的主要问题是精度不高。第一，目前的多波初始匹配基本上是通过单纯的对PP波与PS波的层位进行匹配完成的，这样初始匹配的精度就会很粗糙，精度不高。第二，目前地震勘探对多波匹配的精度要求越来越高，而目前多波精细匹配的精度并不理想，低精度的精细匹配已经严重影响了多波的联合解释和联合反演。

机器学习已经在图像处理和语音信号识别方面得到了很大的进展。而地震成像和图像具有相似性，地震数据则与语音信号也具有相似性。所以，在图像处理和语音信号识别中的机器学习算法，是能够应用到地震勘探领域的。但是传统的机器学习方法并不能有效的提取地震数据中的特征，所以在地震领域中，寻求一种能够捕捉复杂地质特征的机器学习算法是十分重要的。