[发明专利]适用于地震勘探的褶积深度网络构建方法

权利要求书

1.适用于地震勘探的褶积深度网络构建方法，其特征在于，该适用于地震勘探的褶积深度网络构建方法包括：

步骤1，准备输入数据，输入数据包括训练数据和实际应用数据；

步骤2，确定学习规则；

步骤3，训练适用于地震勘探的褶积深度网络Conv-DNSE；

步骤4，输出Conv-DNSE的输出结果。

2.根据权利要求1所述的适用于地震勘探的褶积深度网络构建方法，其特征在于，在步骤1中，训练数据为用于训练Conv-DNSE的训练数据，包括训练输入、正确输出，用{Input_TPOutput_C}表示，包括以下几种：

{Input_T POutput_C}＝{(小角度道集,中角度道集,大角度道集)||(速度,密度)}

{Input_T POutput_C}＝{(纵波速度,横波速度,密度)||流体因子}

{Input_T POutput_C}＝{地震属性集合||储层属性}。

3.根据权利要求1所述的适用于地震勘探的褶积深度网络构建方法，其特征在于，在步骤1中，实际应用数据输入用{Input_R}表示，该类数据需要输入到训练好的Conv-DNSE网络，从而得到最终的输出结果；在实际的储层预测应用中，{Input_R}包括以下几种：

{Input_R}＝{小角度道集,中角度道集,大角度道集}

{Input_R}＝{纵波速度,横波速度,密度}

{Input_R}＝{地震属性集合}。

4.根据权利要求1所述的适用于地震勘探的褶积深度网络构建方法，其特征在于，在步骤2中，采用正数线性化激活函数PLU函数和互熵损失函数作为确定的学习规则。

5.根据权利要求4所述的适用于地震勘探的褶积深度网络构建方法，其特征在于，在步骤2中，PLU函数定义如下：

其中，y表示神经网络节点的输出值。

6.根据权利要求4所述的适用于地震勘探的褶积深度网络构建方法，其特征在于，在步骤2中，采用互熵损失函数来作为深度学习的学习规则，如下所示：

其中，J为损失函数，y_i是输出节点的输出，d_i是训练数据的正确输出，m是输出节点的数量；

参数预测网络的最后一层为输出层，输出层在经过如下所示的指数均值函数后，即为Conv-DNSE最终的输出结果：

其中，y为输出结果，v_k表示第k个输出节点的加权和，v_i表示第i个输出节点的加权和，m表示输出层节点个数。