[发明专利]一种基于深度学习的自动速度分析方法及系统

说明书

本发明提供一种基于深度学习的自动速度分析方法及系统，该方法包括：S1、对速度谱数据进行速度自动拾取，获取速度拾取数据；S2、构建神经网络，并利用神经网络对速度拾取数据进行训练，得到神经网络模型；S3、利用训练后的神经网络模型，拟合目标位置的速度值。该系统包括：速度拾取模块，用于对速度谱数据进行速度自动拾取，获取速度拾取数据；神经网络构建模块，用于构建神经网络，数据训练模块，用于利用神经网络对速度拾取数据进行训练，得到神经网络模型；速度拟合模块，用于利用训练后的神经网络模型，拟合目标位置的速度值。本发明能实现速度分析自动化处理，提高速度分析的处理效率，改进速度分析的处理效果。

技术领域

本发明涉及地震勘探领域的数据处理技术，尤其涉及一种基于深度学习的自动速度分析方法及系统。

背景技术

速度建模是地震数据处理中的重要环节，速度建模的精度直接影响叠加处理和偏移成像的效果。作为速度建模的初始环节，叠加速度分析的结果直接影响后续建模的效果和效率。由于叠加速度分析的精度受制于地震勘探的条件和观测资料的信噪比，在速度谱上表现出多解性和模糊性，因此，速度谱的解释基本是采用人机交互模式。随着地震勘探数据规模的不断增长，人工速度分析方法费时费力，处理效率极低，难以适应大数据的处理需求。因此速度分析自动化处理的方法不断推出，这些方法一般都是基于全局优化算法或者局部寻优的方法。由于叠加速度分析在速度谱上表现出多解性和模糊性，这种不确定性导致无论是全局优化还是局部寻优方法都无法保证获得最优解，结果带有随机性。这种随机性表现在速度上就是异常拾取点的存在，而异常拾取点往往是速度变化复杂的地方，复杂的位置正是需要获取精确速度值的位置。面对拾取异常点的存在，传统上有效的解决方法就是通过人工对每个拾取点进行逐个检查，去除异常点。而通过人工逐一检查，效率低下，抵消了自动速度分析高效性的优势。随着基于神经网络的人工智能技术的发展，基于深度神经网络的速度自动拾取方法为解决这种随机性问题的提供了新的思路，但是如何设计出有效的用于深度神经网络训练的数据模型，是此类方法面临的一个问题。

发明内容

本发明的特征和优点在下文的描述中部分地陈述，或者可从该描述显而易见，或者可通过实践本发明而学习。

本发明针对自动速度分析存在的问题，在优化传统拾取方法提高拾取精度的基础上，针对传统方法无法解决的异常拾取点问题，用深度神经网络方法对拾取的结果进行自动优化，从而去除异常拾取点。

本发明解决上述技术问题所采用的技术方案如下：

根据本发明的一个方面，提供一种基于深度学习的自动速度分析方法，包括：

S1、对速度谱数据进行速度自动拾取，获取速度拾取数据；

S2、构建神经网络，并利用神经网络对所述速度拾取数据进行训练，得到神经网络模型；

S3、利用训练后的神经网络模型，拟合目标位置的速度值。

可选地，所述步骤S3之后，包括：

判断所述目标位置的速度值是否满足要求，若是，则输出所述目标位置的速度值作为最终结果数据；若否，则将所述目标位置的速度值作为参考速度，返回到步骤S1进行再一次速度自动拾取。

可选地，所述神经网络包括一个输入层、多个中间层以及一个输出层；所述输入层为三个输入节点，所述输出层为一个节点。所述中间层优选3到5个。

可选地，所述步骤S2包括将所述速度拾取数据解耦为(x,y,z；v)的数据单位元，其中(x,y,z)表示速度拾取数据对应的空间位置，作为输入层的三个输入节点的输入参数；v表示速度数据对应位置的速度值，作为输出层的节点的输入参数。

可选地，所述步骤S1中，通过局部最大能量法拾取得到速度拾取数据。

根据本发明的另一个方面，提供一种基于深度学习的自动速度分析系统，包括：