[发明专利]一种基于对抗学习的地震波阻抗反演方法

说明书

本发明公开了一种基于对抗学习的地震波阻抗反演方法，应用于地震数据处理领域，针对传统高分辨率地震波阻抗反演方法中测井数据缺乏的问题，本发明通过对神经网络的预训练获取井数据分布信息，将训练生成对抗网络和波阻抗反演过程结合，实现了在反演过程中无需测井数据参与便获取高分辨率波阻抗反演结果，解决了传统高分辨率地震波阻抗反演对测井数据的严重依赖。

技术领域

本发明属于地震数据处理领域，特别涉及一种地震阻抗反演技术。

背景技术

地震波阻抗反演通过人工激发反射地震波获取地下波阻抗信息，是油气储层预测的重要技术手段。受限于地震波频带宽度，通过常规地震反演方法很难获取高分辨率地震波阻抗信息，因此目前高分辨率地震反演仍然是地震波阻抗反演的难点问题。目前比较常用的高分辨率地震波阻抗反演技术手段主要是地质统计学反演方法。该技术利用了测井数据的纵向高分辨率和地震数据的横向展布特征，实现了地震数据控制下的高分辨率井插值。其具体实现过程为通过已知测井数据构建变差函数和统计分布，将该统计分布作为先验信息，将地震数据作为似然函数，在贝叶斯框架下获取后验信息实现无井区的阻抗曲线生成。从该实现过程可以发现，常规基于变差函数的地质统计学反演方法先验信息依赖于井数据，如果测井数据样本偏少，或者是地下储层非均质性较为严重时，得到的先验信息是不充分和不完整的，这也必将导致反演结果出现偏差。因此，想要获得较高准确性和精度的反演结果，则需要依赖大量的井数据，而实际工作中，测井数据总是十分有限的。

地质统计学反演是目前获得高分辨率波阻抗反演结果的主要方法，但现有的地质统计学反演方法仍存在着一些问题。首先，常规的两点地质统计学反演方法要依赖于已知的测井数据来构建变差函数，即地质统计获取的先验信息与测井数据密切相关。这就带来了两个严重的问题：一是，当测井数据偏少时，我们所获得的先验信息是不完整的；二是，当地下地质结构变得十分复杂的时候，我们基于变差函数的地质信息描述是不充分的。后来提出的多点地质统计学反演方法，在一定程度上克服了两点地质统计学无法很好描述复杂地下地质结构的缺陷，但也引入了新的问题。首先，多点地质统计学的随机模拟过程十分耗时[9]。其次，多点地质统计学对训练图片的要求高；它要求训练图像所反映的地质特征与所要模拟的储层特征必须一致。而实际工作中往往难以得到这样高质量的训练图片。

发明内容

为解决传统高分辨率地震波阻抗反演方法中测井数据缺乏问题，本发明实现了一种基于生成对抗网络(Generate Adversarial Network，GAN)的高分辨率地震波阻抗反演方法。

本发明采用的技术方案为：一种基于对抗学习的地震波阻抗反演方法，所述方法基于的对抗网络包括：生成器网络与判别器网络；

在对抗网络训练的阶段，生成器网络的输入为训练数据与其同维度的噪声数据，生成器网络的输出为阻抗数据；判别器网络的输入包括真实地震数据以及合成地震数据，所述合成地震数据根据生成器网络输出的阻抗数据与地震子波合成；根据判别器网络的输出对生成器网络与判别器网络进行交替训练；

采用训练完成后的对抗网络进行波阻抗反演。

在对抗网络训练的阶段，生成器网络的输入的训练数据为获取的地震数据，将该地震数据作为条件数据，通过在每一道沿单道数据长度的方向拼接在噪声数据后面。

所述噪声数据采样自标准正态分布的且与训练数据具有相同维度。

在对抗网络训练的阶段，判别器网络输入的合成地震数据，具体为：生成器网络输出的阻抗数据进行反归一化后与地震子波进行卷积，得到合成地震数据。

采用训练完成后的对抗网络进行波阻抗反演时，生成器网络的输入为采样自标准正态分布的噪声数据，以及和该数据相同维度的经过标准化后的地震数据。

生成对抗网络预训练时生成器网络的损失函数为：