[发明专利]一种基于深度学习的地震数据静校正处理方法及系统

权利要求书

1.一种基于深度学习的地震数据静校正处理方法，其特征在于，包括：

S1、构建神经网络，并据此重构地震数据；

S2、利用重构后的地震数据对所述神经网络进行训练，获得神经网络训练模型；

S3、根据水平地表高程及所述神经网络训练模型获取静校正处理结果。

2.根据权利要求1所述基于深度学习的地震数据静校正处理方法，其特征在于，所述重构地震数据包括：将地震数据的存储格式转换以采样点为基本单位的存储格式，所述采样点的信息包括入炮点坐标(Sx，Sy，Sz)、检波点坐标(Rx，Ry，Rz)、采样时间(T)和振幅值。

3.根据权利要求2所述基于深度学习的地震数据静校正处理方法，其特征在于，所述神经网络按照一个输入层，至少两个中间层，一个输出层构建；所述输入层用于输入所述炮点坐标(Sx，Sy，Sz)、检波点坐标(Rx，Ry，Rz)、采样时间(T)，所述输出层用于输出振幅值。

4.根据权利要求3所述基于深度学习的地震数据静校正处理方法，其特征在于，所述中间层的节点数小于训练样本数量的四分之一。

5.根据权利要求1所述基于深度学习的地震数据静校正处理方法，其特征在于，所述步骤S2中，训练时，将所述重构后的地震数据按预设间隔输入，依次循环。

6.根据权利要求1所述基于深度学习的地震数据静校正处理方法，其特征在于，所述步骤S3之后，包括：

将所述静校正处理结果按照所述步骤S1的重构方式进行反重构，获得地震数据格式的最终数据。

7.一种基于深度学习的地震数据静校正处理系统，其特征在于，包括：

神经网络构建模块，用于构建神经网络；

数据重构模块，用于根据所述神经网络重构地震数据；

训练模块，用于利用重构后的地震数据对所述神经网络进行训练，获得神经网络训练模型；

静校正处理模块，用于根据水平地表高程及所述神经网络训练模型获取静校正处理结果。

8.根据权利要求7所述基于深度学习的地震数据静校正处理系统，其特征在于，所述数据重构模块具体用于：将地震数据的存储格式转换以采样点为基本单位的存储格式，所述采样点的信息包括入炮点坐标(Sx，Sy，Sz)、检波点坐标(Rx，Ry，Rz)、采样时间(T)和振幅值。

9.根据权利要求8所述基于深度学习的地震数据静校正处理系统，其特征在于，所述神经网络构建模块用于按照一个输入层，至少两个中间层，一个输出层构建神经网络；所述输入层用于输入所述炮点坐标(Sx，Sy，Sz)、检波点坐标(Rx，Ry，Rz)、采样时间(T)，所述输出层用于输出振幅值。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行的至少一个程序，其特征在于，所述至少一个程序被所述计算机执行时使所述计算机执行上述权利要求1～6任一项所述的方法中的步骤。