[发明专利]基于深度学习网络的初至拾取方法及装置

说明书

本发明公开了一种基于深度学习网络的初至拾取方法及装置，该方法包括：采集预设显示参数下的原始地震炮集数据的密度显示图像；将密度显示图像切割为多个预设大小的初至样本图像；将多个预设大小的初至样本图像输入至预先训练好的深度网络模型中，输出多个初至预测结果图像；将多个初至预测结果图像进行合成，生成与原始地震炮集数据对应的初至拾取结果图像；自初至拾取结果图像中提取出初至时间。本发明初至拾取准确率较高，不受噪声的影响。

技术领域

本发明涉及油气勘探技术领域，尤其涉及一种基于深度学习网络的初至拾取方法及装置。

背景技术

目前，高效高密度采集正在逐渐在物探施工中应用，勘探目标区逐渐转向复杂地表区域。由于地表介质变化大造成声波速度变化大，致使单炮初至扭曲，串层现象严重，初至拾取困难，初至拾取的精准度差，同时由于接收道数多致使单炮数据量变大，需花费大量的人力和时间进行初至拾取，初至拾取的好坏直接影响叠加剖面的构造形态和成像品质。因此，准确地进行初至拾取十分重要。

现有技术进行初至拾取的方法很多，举例来说，有时窗地震属性特征法、相关法、数字图像处理法等，上述方法对噪声有一定的压制作用，但是，当地震记录的噪声较严重时，初至的准确拾取就会变的十分困难，初至拾取准确率较低。

发明内容

本发明实施例提供一种基于深度学习网络的初至拾取方法，初至拾取准确率较高，不受噪声的影响，该方法包括：

采集预设显示参数下的原始地震炮集数据的密度显示图像；

将所述密度显示图像切割为多个预设大小的初至样本图像；

将多个预设大小的初至样本图像输入至预先训练好的深度网络模型中，输出多个初至预测结果图像；

将多个初至预测结果图像进行合成，生成与原始地震炮集数据对应的初至拾取结果图像；

自初至拾取结果图像中提取出初至时间。

本发明实施例还提供一种基于深度学习网络的初至拾取装置，初至拾取准确率较高，不受噪声的影响，该装置包括：

图像采集模块，用于采集预设显示参数下的原始地震炮集数据的密度显示图像；

图像切割模块，用于将所述密度显示图像切割为多个预设大小的初至样本图像；

初至预测结果图像输出模块，用于将多个预设大小的初至样本图像输入至预先训练好的深度网络模型中，输出多个初至预测结果图像；

初至预测结果图像合成模块，用于将多个初至预测结果图像进行合成，生成与原始地震炮集数据对应的初至拾取结果图像；

初至时间提取模块，用于自初至拾取结果图像中提取出初至时间。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

本发明实施例中，通过采集预设显示参数下的原始地震炮集数据的密度显示图像，将密度显示图像切割为多个预设大小的初至样本图像，并将多个预设大小的初至样本图像输入至预先训练好的深度网络模型中，输出多个初至预测结果图像，再将多个初至预测结果图像进行合成，生成与原始地震炮集数据对应的初至拾取结果图像，自初至拾取结果图像中提取出初至时间，初至拾取准确率较高，不受噪声的影响。

附图说明