[发明专利]地震数据负面样本识别方法及装置

说明书

本申请实施例提供一种地震数据负面样本识别方法及装置，方法包括：应用预设的机器学习模型对地震数据进行样本类型识别，得到对应的识别结果；若所述识别结果中包含有观测系统异常的地震数据样本和/或数据异常的地震数据样本，则将该识别结果标记为所述地震数据的负面样本。本申请能够识别地震数据负面样本，且能够有效提高地震数据负面样本识别的准确性，并能够有效提高地震数据负面样本识别过程的处理效率、自动化程度及准确性，进而能够应用该地震数据负面样本识别结果来提高地震机器学习处理地震数据的精度和效率，进而能够地震数据处理结果进行石油勘探等处理的准确性及可靠性。

技术领域

本申请涉及地震数据处理技术领域，具体涉及地震数据负面样本识别方法及装置。

背景技术

使用机器学习进行地震资料处理，需要预先使用合理的样本进行训练，用于训练的样本要能反映地震数据的典型特征。

地震数据受采集条件的影响导致特征变化大，不同的观测系统、采集仪器和采集数据时的环境均会使得地震数据形成相关的特征，而受到上述采集条件影响产生的特征对地震数据处理而言不代表典型的反射特征，该类型的数据特征一旦参与机器学习，不但增加了样本的多解性同时增加了机器学习的难度，因此，亟需设计一种地震数据负面样本识别方式来提高地震机器学习处理地震数据的精度和效率。

发明内容

针对现有技术中的问题，本申请提供一种地震数据负面样本识别方法及装置，能够识别地震数据负面样本，且能够有效提高地震数据负面样本识别的准确性，并能够有效提高地震数据负面样本识别过程的处理效率、自动化程度及准确性，进而能够应用该地震数据负面样本识别结果来提高地震机器学习处理地震数据的精度和效率，进而能够地震数据处理结果进行石油勘探等处理的准确性及可靠性。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种地震数据负面样本识别方法，包括：

应用预设的机器学习模型对地震数据进行样本类型识别，得到对应的识别结果；

若所述识别结果中包含有观测系统异常的地震数据样本和/或数据异常的地震数据样本，则将该识别结果标记为所述地震数据的负面样本。

进一步地，所述应用预设的机器学习模型对地震数据进行样本类型识别，得到对应的识别结果，包括：

应用预设的测线不规则异常机器学习模型对地震数据进行样本类型识别，得到对应的第一识别结果，其中，该第一识别结果用于表示所述地震数据中是否包含有测线不规则异常的地震数据样本；

应用预设的观测位置异常机器学习模型对地震数据进行样本类型识别，得到对应的第二识别结果，其中，该第二识别结果用于表示所述地震数据中是否包含有观测位置异常的地震数据样本。

进一步地，所述应用预设的机器学习模型对地震数据进行样本类型识别，得到对应的识别结果，包括：

应用预设的数据缺失异常机器学习模型对地震数据进行样本类型识别，得到对应的第三识别结果，其中，该第三识别结果用于表示所述地震数据中是否包含有数据缺失异常的地震数据样本；

应用预设的时差异常机器学习模型对地震数据进行样本类型识别，得到对应的第四识别结果，其中，该第四识别结果用于表示所述地震数据中是否包含有时差异常的地震数据样本。

进一步地，在所述应用预设的测线不规则异常机器学习模型对地震数据进行样本类型识别，得到对应的第一识别结果之前，还包括：

通过求取坐标平均值的方式，将预获取的历史地震数据中的实际炮线和实际检波线的位置信息分别变换为理论炮线和理论检波线的位置信息；

获取实际炮线和理论炮线之间的第一距离，以及所述实际检波线和理论检波线之间的第二距离；