[发明专利]一种基于深度学习的地震速度自动拾取方法

权利要求书

1.一种基于深度学习的地震速度自动拾取方法，其特征在于，包括：

获取地震数据与标签；

将所述地震数据与所述标签输入到预先训练好的深度学习模型中，得到速度拾取结果；

其中，深度学习模型的结构包括：三块残差块组成的残差网络，在残差网络后还添加有长短时记忆网络和全连接层；

每个残差块均由三层卷积层构成；各个残差块以及残差块各层卷积层之间的激活函数均为Relu函数；长短时记忆网络和全连接层之间的激活函数为Relu函数；

深度学习模型的训练方法包括：

构建训练集数据与标签；

构建深度学习模型；

将训练集数据与标签输入到构建好的深度学习模型中进行训练，并利用迁移学习对深度学习模型做进一步训练；

构建训练集数据与标签的具体步骤包括：

建立水平层状速度模型；

基于波动方程对水平层状速度模型进行正演模拟，得到地震记录；

基于地震记录合成CMP道集；

基于CMP道集计算速度谱；

将速度谱按照时间轴等分为m个区域，显示能量信息的区域形状，其他区域能量值设置为0，得到处理后的速度谱；

将处理后的速度谱与原速度谱进行叠加，得到训练集数据；

提取每个区域中能量最大值点所对应的速度值，并将该速度值作为标签；

利用迁移学习对深度学习模型做进一步训练的具体步骤包括：

在实际地震数据中提取n个速度谱，并利用人工拾取速度的方式获取标签；

基于n个速度谱得到迁移训练数据集，并基于迁移训练数据集和对应的标签对深度学习模型做进一步训练。

2.根据权利要求1所述的一种基于深度学习的地震速度自动拾取方法，其特征在于，在残差网络后添加长短时记忆网络时还进行数据变形处理。

3.根据权利要求2所述的一种基于深度学习的地震速度自动拾取方法，其特征在于，数据变形处理通过python中的reshape函数实现。