[发明专利]一种测井约束下的高维闭环网络地震反演方法

说明书

本发明公开了属于地球物理技术领域的一种测井约束下的高维闭环网络地震反演方法。该方法具体包括如下步骤：步骤1：搭建卷积神经网络；包括一个正演网络和一个反演网络；步骤2：准备训练数据；包括测井波阻抗数据、插值波阻抗数据和合成地震数据；步骤3：训练网络并进行微调：对正演网络和反演网络进行训练，然后将一维的测井数据应用到二维模型和三维模型上，并进行微调；步骤4：预测及评估：首先对地震数据进行反演；然后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。本方法无需额外收集输入和参考图像，能够保证良好的横向连续性，精度高于传统及其他深度学习反演方法。

技术领域

本发明涉及地球物理技术领域，尤其涉及一种测井约束下的高维闭环网络地震反演方法。

背景技术

在地球物理勘探中，地震反演通过观测到的地震数据来反推地下物性参数、重建地球内部结构，反推的参数包括速度、密度、波阻抗等，这些参数对于油气矿藏的定位、评价以及确定钻井位置有重要作用。通常的反演方法是作为正演的反计算。根据反演的依据，可以将这些方法区分为基于模型的反演和基于数据的反演，如道积分反演^[1]，递归反演^[2]，广义线性反演^[3]等，这些反演方法都需要假设的、简化的模型，这些模型通常是线性的，而实际地球物理过程是非线性的，由此带来较大的反演误差。

深度神经网络由于可以堆叠数以几十甚至几百个非线性层，具有强大的特征表达和非线性拟合能力，能够通过复杂的非线性结构从训练数据中学习映射模型^[4]。Das等^[5](2018)首先提出使用两层一维CNN组成的网络学习地震数据到波阻抗的映射，得到了比常规方法更优的结果,但是这种方法需要大量标签样本，泛化性和鲁棒性不佳。Wang等提出使用Cycle-GAN^[6]和一维闭环网络^[7]进行地震反演，通过在训练中引入无标签数据，减少了标签样本的需求量。在后续的改进中，Wang等^[8]在一维闭环网络的基础上，加入双边滤波约束，进一步改善了反演效果，但横向连续性仍然不佳。

本发明利用高维闭环网络，直接对二维、三维地震数据进行反演，获得了良好的横向连续性，具有较强的泛化性和鲁棒性，反演结果更加合理。

参考文献：

[1]Ferguson,R.J.,Margrave,G.F.(1996).A simple algorithm for band-limited impedance inversion.CREWES annual

[2]Lindseth,R.O.(1979).Synthetic sonic logs—A process forstratigraphic interpretation.Geophysics,44(1),3-26.

[3]Cooke D A,Schneider W A.Generalized linear inversion of reflectionseismic data[J].Geophysics,1983,48(6):665-676.

[4]LeCun Y,Bengio Y,Hinton G.Deep learning[J].nature,2015,521(7553):436.

[5]Das,V.,et al.(2018).Convolutional neural network for seismicimpedance inversion.SEG Technical Program Expanded Abstracts 2018,Society ofExploration Geophysicists:2071-2075.