[发明专利]基于卷积对抗神经网络的裂缝识别技术

说明书

本发明涉及勘探地球物理技术领域，具体涉及基于卷积对抗神经网络的裂缝识别技术；包括以下步骤：S1、准备数据，收集叠后地震数据以及对应的裂缝标签图，S2、构建网络，定义生成器和判别器，以及计算的损失函数，S3、将叠后地震数据作为生成器的原材料，生成对应的裂缝特征图，进入判别器与真实对应标签进行比对，S4、提取建立好的网络中的生成器，S5、输入不同的叠后地震数据，通过生成器实现对应的裂缝展布预测和样本扩充；本发明引入了卷积对抗神经网络，卷积对抗神经网络能够自动生成数据来扩充数据集，包含了生成器和判别器，通过博弈的方式进行训练，训练好的生成器可以用于裂缝预测，也可以实现样本扩充。

技术领域

本发明涉及勘探地球物理技术领域，具体涉及基于卷积对抗神经网络的裂缝识别技术。

背景技术

在勘探地球物理领域中，准确的裂缝预测一直是研究的难点和重点，随着人工智能时代的到来，很多问题都迎刃而解。但是这些问题都建立在有充足的样本信息特征上，而勘探地震中，虽然数据量很大，但是样本参数都很少，比如500km2的研究工区中，有且只有一两口已钻探井位，对地下情况实际资料甚少。而目前大多数裂缝预测技术都是从已知推未知，通过已知裂缝发育情况，再对数据进行处理，通过曲率，方位反演，相干等属性来确定裂缝发育情况，但是往往会因为信号中存在的误差造成准确性降低。

综上所述，研发基于卷积对抗神经网络的裂缝识别技术，仍是勘探地球物理技术领域中急需解决的关键问题。

发明内容

针对现有技术所存在的上述缺点，本发明的目的在于提供基于卷积对抗神经网络的裂缝识别技术，本发明引入了卷积对抗神经网络，卷积对抗神经网络能够自动生成数据来扩充数据集，包含了生成器和判别器，通过博弈的方式进行训练，训练好的生成器可以用于裂缝预测，也可以实现样本扩充。

为实现上述目的，本发明提供了如下技术方案：

基于卷积对抗神经网络的裂缝识别技术，包括以下步骤：

S1、准备数据，收集叠后地震数据以及对应的裂缝标签图。

S2、构建网络，定义生成器和判别器，以及计算的损失函数。

S3、将叠后地震数据作为生成器的原材料，生成对应的裂缝特征图，进入判别器与真实对应标签进行比对。

S4、提取建立好的网络中的生成器。

S5、输入不同的叠后地震数据，通过生成器实现对应的裂缝展布预测和样本扩充。

本发明进一步设置为：在所述步骤S2中，所述构建网络包括定义GAN网络的目标、定义生成器的输入和输出、定义判别器的输入和输出以及定义生成器和判别器的网络架构。

本发明进一步设置为：所述定义GAN网络的目标是指叠后地震数据作为生成器原材料，生成对应的裂缝展布形态。

本发明进一步设置为：所述定义生成器的输入和输出是指生成器的输入为叠后地震数据，生成器的输出为生成的裂缝展布信息。

本发明进一步设置为：所述定义判别器的输入和输出是指判别器判断一个输入的结果是真实的结果还是假的结果，判别器的输入为真实的裂缝展布和假的裂缝展布，判别器的输出为输出的裂缝展布是真实裂缝展布的概率。

本发明进一步设置为：所述定义生成器和判别器的网络架构是指输入为一个地震数据z，输出为生成的裂缝展布。