[发明专利]一种基于深度强化学习的叠加速度谱拾取方法及处理终端

说明书

本发明涉及一种基于深度强化学习的叠加速度谱拾取方法及处理终端，所述方法包括以下步骤：步骤S1：获取包括地震反射波的原始共中心点地震道集数据并计算出以各个时刻下的最优扫描速度组成的叠加速度谱；步骤S2：将叠加速度谱输入至自编码网络，得到编码后的高阶能量团特征；步骤S3：将高阶能量团特征编码输入至策略网络，拾取各个时刻下的最优扫描速度，输出速度序列；步骤S4：对速度序列进行评价，输出奖励值；步骤S5：根据奖励值来训练策略网络；步骤S6：迭代执行步骤S3至步骤S5直至步骤S4获取到设定的最大奖励值时，输出最优速度序列。本发明无需人工干预，实现智能化的速度谱拾取；拾取过程中能够消除多次波的干扰，拾取叠加速度曲线更准确。

技术领域

本发明涉及地震数据处理技术领域，具体是一种基于深度强化学习的叠加速度谱拾取方法及处理终端。

背景技术

地震波速是地震数据处理和地震成像中重要的参数之一，特别是基于速度差异的多次波压制及基于波动方程理论的叠前时间(或深度)偏移对速度模型的合理性有比较高的要求，其精度直接影响处理结果及地震成像的质量，因此，在地震数据处理过程中要尽可能地求取最接近实际的速度模型。

目前主要采用人工速度谱拾取的方法，采用人工方法，不仅受到人为因素影响，速度谱拾取的结果在很大程度上依赖于人的经验和学识等不可控因素，而且人工方法导致效率低下；而采用其他的方法，比如公开号为“CN105445788A”和“CN105572733A”的两项专利，其操作复杂、受干扰波影响较大、拾取准确率不高，而且由于在应用过程中还需要大量的人工干预，并没有实现速度谱拾取的智能化，其效率并没有得到质的提高，实际工作中仅作为辅助工具使用。

实际地震数据的速度谱中，有效速度谱能量团的聚焦性差，而现有的速度谱拾取方法都是基于有着对速度谱能量团的高识别度，因此导致现有的速度谱拾取方法很难满足实际应用的要求；

目前的速度谱拾取方法或多或少都还需要人工干预，且操作复杂，没有实现智能化；

对于海上地震数据而言，其受到多次波干扰严重，多次波是一种在海面和地质界面之间经历多次反射后被检波器接收的相干干扰，主要包括全程多次波和层间多次波，严重地干扰甚至屏蔽了有效反射，使得速度谱中有效波能量团不聚焦而难以识别和追踪，现有的速度谱拾取方法对多次波的影响几乎无能为力。

发明内容

针对现有技术的不足，本发明提供一种基于深度强化学习的叠加速度谱拾取方法及处理终端，其能够解决对地震速度谱智能化拾取，且对多次波干扰也仍然能够获取准确拾取结果。

本发明的技术方案为：一种基于深度强化学习的叠加速度谱拾取方法，其特征在于：所述方法包括以下步骤：

步骤S1：获取包括地震反射波的原始共中心点地震道集数据；

步骤S2：根据步骤S1中的共中心点地震道集数据经预设算法计算出以各个时刻下的最优扫描速度组成的叠加速度谱，输出为用二维数组表示的叠加速度谱；

步骤S3：将步骤S2中的二维数组输入至自编码网络，自编码网络通过编码器和解码器学习提取出叠加速度谱的能量团特征，编码器输出经对叠加速度谱编码后的能量团特征；

步骤S4：将步骤S3的能量团特征编码输入至策略网络，策略网络对能量团特征进行处理，使得输入经编码的能量团特征编码与步骤S2的叠加速度谱中各个时刻下对应的最优扫描速度对应起来，以此输出速度序列；

步骤S5：应用步骤S4输出的速度序列对共中心点地震道集进行动校正，动校正量按正常时差公式计算：

式中，x_j表示第j个炮检距，Δt_i,j为t_i时刻第j个炮检距处的动校正量，t_i,0为t_i时刻垂直反射时间，v为步骤S4输出的速度序列；