[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

说明书

本发明提供一种基于深度学习的地震数据静校正处理方法及系统，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。该系统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。本发明无需初至数据和近地表速度模型数据，避免了复杂近地表建模过程，实现了高效准确的静校正处理功能。

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地震数据静校正处理方法及系统。

背景技术

静校正是地震数据处理的重要环节，静校正处理是否准确，直接关系到后续的一系列处理的效果。要获得准确的静校正处理结果，需要准确的初至数据和近地表速度模型数据。初至拾取过程费时费力，近地表速度建模过程复杂，获取精确的近地表速度模型是一个困难的过程。面对山地等复杂地表探区的地震数据，要获取精确的初至数据和近地表速度模型，十分困难，从而影响了静校正的效果。针对复杂地表地震数据的静校正处理方法很多，主要集中在初至拾取和高精度近地表速度建模上，如自动初至拾取方法，层析近地表速度建模方法等被广泛研究和应用，取得了一定的处理效果，但是仍然不能完全解决山地等复杂地表的静校正问题。如何获取精确的静校正处理效果，是山地复杂地区的地震勘探面临的一个难题。

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。

为解决地震数据处理中复杂地区地震数据静校正处理问题，本发明提供了一种基于深度神经网络的静校正处理方法及系统，避免了复杂近地表速度建模过程，实现地震数据直接静校正处理，获得了高效的处理效果。

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地震数据静校正处理方法，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。

可选地，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。

可选地，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。

可选地，所述中间层的节点数小于训练样本数量的四分之一。

可选地，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。

可选地，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。

本发明提供一种基于深度学习的地震数据静校正处理系统，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；