[发明专利]一种地震断层图像处理方法

说明书

本发明涉及一种地震断层图像处理方法，与现有技术相比解决了地震断层图像不清楚、难以进行地震断层解释的缺陷。本发明包括以下步骤：地震断层图像数据集的获取；对地震断层图像数据集进行预处理；构建地震断层图像处理网络；地震断层图像处理网络的训练；获取待处理的地震断层图像数据；地震断层图像的处理。本发明通过少量标注的地震数据生成贴近自然的地质数据，解决了标注的地震数据不足的问题，并利用三维的卷积积分网络对未知数据判断，提高了地震断层识别的效率。

技术领域

本发明涉及地质分析技术领域，具体来说是一种地震断层图像处理方法。

背景技术

地震断层和层位解释一直是地震结构的重要问题，其通过对地质层面施加振动波以模拟出地震现象，形成地震断层图像，从而在三维地震图像中解构地震断层和层位，有利于以直观的形式观察地质结构，在建筑、油气勘测等多个行业有着重要的应用价值。

Peter Bakker于2002年提出采用GPU加速的自适应滤波器实现地震的断层解释，将地质结构分为线性结构、曲线结构、线状曲线结构，并采用不同的滤波器实现地震断层与层位解释，但缺乏对地震数据的预先判定手段，方法缺少整体性，无法满足地震断层解释的实际需要。

随着神经网络技术进入地震断层解释应用，一些基于地震解释的新方法被提供出来。2019年，PraneetDutta等人提出在3D条件下采用GAN实现大规模的地震图像增强，其实现了地震图像的细节补充，用于地震图像增强领域，但方法并没有应用于构建具有特定地震断层特征的训练数据。2019年，伍新明提出了构建地震结构模型训练集，并采用卷积神经网络解释地震结构方法，方法提出了地质结构中折叠、断层的数据生成方法，方法生成训练数据不能完美的演示真实地质结构特征的地震断层信息，方法构建的地震断层解释受数据构造方法影响干扰出现偏差。

基于地震的地下地质结构的探析，往往借助于微地震手段检测地下地质回波信号进行。从微地震传感器接收到的发射源的回波时间、信号的强度、混杂程度等判断地下地质信息。综上所述，其目前常用手段主要有：

1、通过信号强弱能量比判定，但其解释不强；

2、PeterBakker构建了一组滤波器分别对应于不同的地震结构，从而判断出地震断层信息，但方法需要对地下地震结构首先预判，进而采用合适的滤波器进行处理，因而方法比较离散，缺少统一的方法；

3、PraneetDutta提出采用GAN网络实现地震图像数据的细节补充，从而推测出更细致的三维地质图像，但方法并没用于发现地震断层，从而不能做出有效地震解释；

4、伍新明提出了用公式推导的地下地震结构训练数据，进而用CNN进行地震图像的分析与解释，但与自然构造相比，其方法不能完美的模拟地下断层数据，因而其训练方法受其公式引导影响较大，容易产生过拟合。

同时，地震断层图像在实际应用中存在模糊不清晰的问题，但地震断层图像由于其特殊性存在以下问题：

1、地震数据资料庞大，大量的断层识别需要通过专业技能人工识别，因此判图、识图的工作量巨大，传统的人工识别无法完成相应图像处理工作；

2、地震数据能够识别出断层特征的数据较少，因此通过已有标注数据对神经网络训练变得困难重重。

因此，如何对地震断层图像进行有效处理，使其能够进行地震断层解释已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中地震断层图像不清楚、难以进行地震断层解释的缺陷，提供一种地震断层图像处理方法来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种地震断层图像处理方法，包括以下步骤：