[发明专利]一种测井约束下的高维闭环网络地震反演方法

权利要求书

1.一种测井约束下的高维闭环网络地震反演方法，其特征在于，该方法包括以下步骤：

步骤1：搭建卷积神经网络；网络结构为闭环结构，包括一个正演网络和一个反演网络，正演网络和反演网络均为U-net+++模型，网络的输入数据和输出数据均为二维数据或三维数据；

步骤2：准备训练数据；所述训练数据包括测井波阻抗数据、插值波阻抗数据和合成地震数据；所述插值波阻抗数据由测井波阻抗数据和实际地震数据约束生成，所述合成地震数据为网络训练的输入数据，由相应插值波阻抗数据经Robinson褶积模型计算得出；

步骤3：训练网络并进行微调：使用步骤2中的数据对正演网络和反演网络进行训练，得到正演模型和反演模型，然后利用Mask技术将一维的测井数据应用到二维模型和三维模型上，并对二维模型和三维模型进行微调，得到训练后的正演网络和反演网络；

所述步骤3具体包括以下子步骤：

步骤31：根据使用标签地震数据优化正演网络权重，W_F为正演网络权重，S为标签地震数据，AI为标签波阻抗数据，为正演网络计算结果；根据使用标签波阻抗数据优化反演网络权重，W_B为反演网络权重，为反演网络计算结果；同时根据闭环一致损失函数，由损失函数同步对正演网络和反演网络进行优化；其中为无标签地震数据的闭环一致损失，S^*表示无标签地震数据，为标签地震数据的闭环一致损失， 为标签波阻抗数据的闭环一致损失；

步骤32：在计算网络损失之前，将测井和网络对应输出相乘，之后计算得到的损失反射传播用于更新网络参数；其损失函数为：

其中，AI^*表示测井波阻抗，掩模Mask区分像素点是否在测井上，对于在测井上的像素点对应值为1，反之则为0；

步骤4：预测及评估：首先使用步骤3中训练后的反演网络对地震数据进行反演，得到波阻抗预测结果；然后使用步骤3中训练后的正演网络对反演结果进行正演得到重构地震数据；最后使用该重构地震数据对反演结果的有效性进行评估，若重构地震数据与输入地震数据的误差值越小，则说明反演结果越有效，反之，则说明反演网络在输入地震数据上的适用性不佳。