[发明专利]神经网络反演方法、装置、电子设备及介质

说明书

本申请公开了一种神经网络反演方法、装置、电子设备及介质。该方法可以包括：建立基本训练集，构建初始神经网络；针对初始神经网络进行神经网络参数更新，获得优化神经网络；针对目标地震波道集，通过优化神经网络，反演获得初始地下结构模型；针对初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节优化神经网络，获得最终神经网络；通过最终神经网络进行反演。本发明通过对神经网络不断进行优化，可以快速准确得到目标区域的地下结构。

技术领域

本发明涉及地震勘探领域，更具体地，涉及一种神经网络反演方法、装置、电子设备及介质。

背景技术

地震成像最为关键的因素在于速度模型的准确性。目前的速度建模方法有很多类，包括利用井资料插值，基于走时的层析成像，以及利用地震波形和能量的全波形反演等。其中，全波形反演技术从原理上最为完备，具体步骤为，首先给定一个初始的速度模型，然后通过正演计算得到地震道集，根据其与实际地震记录的差异进行模型更新，迭代得到最终的地下结构。这种方法理论上能够获得更加精确的地下速度信息，但是其运算量十分巨大，且依赖于初始模型的准确性，隐含着不少人工计算过程。为了提高运算的效率，也有学者提出利用神经网络的技术，直接从地震道集数据出发得到地下速度模型，其背后是利用机器学习的思想，通过地震模型本身和正演得到的地震道集进行深度学习训练，最后得到一个算子，从而实现地震道集直接到速度模型的计算。这种技术在模型数据上具有较好的效果，但是在实际资料上往往不够理想。而实际数据往往缺乏可靠的地下速度信息作为标签，也难以应用于神经网络的训练上。

因此，有必要开发一种基于传统迭代反演的神经网络反演方法、装置、电子设备及介质。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种神经网络反演方法、装置、电子设备及介质，其能够通过对神经网络不断进行优化，可以快速准确得到目标区域的地下结构。

第一方面，本公开实施例提供了一种神经网络反演方法，包括：

建立基本训练集，构建初始神经网络；

针对所述初始神经网络进行神经网络参数更新，获得优化神经网络；

针对目标地震波道集，通过所述优化神经网络，反演获得初始地下结构模型；

针对所述初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节所述优化神经网络，获得最终神经网络；

通过所述最终神经网络进行反演。

优选地，针对所述初始神经网络进行神经网络参数更新，获得优化神经网络包括：

将所述基本训练集的数据输入至所述初始神经网络，获得输出数据；

计算所述输出数据与地下结构模型的误差，进行神经网络参数更新，获得优化神经网络。

优选地，针对所述初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节所述优化神经网络，获得最终神经网络包括：

针对所述初始地下结构模型进行全波形反演，获得初始反演结果；

计算所述初始反演结果与已知全波形反演结果的误差，进行神经网络参数更新，调节所述优化神经网络，若所述误差小于设定阈值，则获得最终神经网络。

优选地，通过公式(1)进行神经网络参数更新：

loss＝λ₁|O-M|₁+λ₂|O-M|₂ (1)