[发明专利]一种地震波初至点的拾取方法以及设备

说明书

本发明公开了一种地震波初至点的拾取方法，包括步骤：对多道地震波分别进行预设处理，以将每道地震波处理为若干个数据窗口；利用多道地震波的数据窗口构建第一训练集和第一测试集，并利用所有存在初至点的数据窗口构建第二训练集和第二测试集；构建分类和回归神经网络模型；分别利用第一训练集和第一测试集以及第二训练集和第二测试集对分类神经网络和回归神经网络模型进行训练和测试；利用训练好的分类神经网络和回归神经网络模型对经过预设处理的待拾取地震波进行推理，先得到存在初至点的数据窗口，然后在存在初至点的数据窗口拾取初至点。本发明公开的方法通过利用分类和回归神经网络的结合能够实现数据窗口中初至时间的精准预测。

技术领域

本发明涉及地震勘测领域，具体涉及一种地震波初至点的拾取方法以及设备。

背景技术

地震波的自动初至拾取一直是复杂地形和表层条件下地震勘探工作的一个重要难题，是地震数据预处理的关键业务环节。初至拾取技术的研究与应用已有近40年历史，许多学者提出了多种方法与相关技术应用，目前初至拾取大多采用人工与机器合作进行标注，其拾取效率及拾取成本仍有较大提升空间，同时由于主观因素影响，不同专业人员初至拾取结果不尽相同，因此找到高效且准确的方法对于初至拾取尤为重要。

初至拾取的目标是找到地震波最初到达检波点的时间，研究人员提出了多种方法，如瞬时强度比法、神经网络算法、数字图像处理法，其中STA/LTA是一种经典的基于地震时窗特征的处理方法，具有自动化程度高、计算速度快等优点；神经网络结构简单，易于实现，因此很早便被应用与初至拾取领域，但是该算法存在收敛慢、易陷于局部极值、网络结构难以确定等难题。而且上述提到的方法为单道拾取方法，只考虑了单一地震道的相关特征，没有利用多道互相关法通过不同台站记录的地震信号的相似性完成拾取工作，无法具有抗噪与拾取精度高等特点。

总体而言，初至拾取现有的技术存在以下不足：

1)对于复杂地区低信噪比资料，传统初至拾取技术拾取效果不理想；

2)不同技术存在对应优点与缺陷，需要根据实际地震资料属性选择合适的初至拾取方法；

3)目前初至拾取方法依赖人机交互半自动拾取技术。

发明内容

有鉴于此，为了克服上述问题的至少一个方面，本发明实施例的提出一种地震波初至点的拾取方法，包括步骤：

对多道地震波分别进行预设处理，以将每道地震波处理为若干个数据窗口；

利用多道地震波的数据窗口构建第一训练集和第一测试集，并利用所有存在初至点的数据窗口构建第二训练集和第二测试集；

构建分类神经网络模型和回归神经网络模型；

利用所述第一训练集和第一测试集对所述分类神经网络模型进行训练和测试，并利用所述第二训练集和第二测试集对所述回归神经网络模型进行训练和测试；

利用训练好的分类神经网络模型对经过预设处理的待拾取地震波进行推理，得到存在初至点的数据窗口，然后利用训练好的回归神经网络模型在所述存在初至点的数据窗口中拾取所述初至点。

在一些实施例中，所述预设处理包括：

对地震波进行采样，以得到多个采样数据，进而利用所述多个采样数据构成所述若干个数据窗口。

在一些实施例中，所述预设处理还包括：在采样之前，将地震波转换为十进制的振幅数据，并除以振幅数据绝对值最大值，以得到振幅数据范围为[-1，1]的地震波。

在一些实施例中，利用多道地震波的数据窗口构建第一训练集和第一测试集进一步包括：