[发明专利]基于神经网络和动态时间规整的地震层位拾取方法及装置

说明书

本说明书涉及地震勘探采集、处理与解释技术领域，具体地公开了一种基于神经网络和动态时间规整的地震层位拾取方法及装置，其中，该方法包括：获取多个二维地震剖面数据以及多个二维标签数据；将多个二维地震剖面数据以及多个二维标签数据输入至预设的数据与模型联合驱动模型中；调取神经网络子模型，以利用多个二维地震剖面数据与多个二维标签数据之间的非线性映射关系生成二维层位概率图；调取动态时间规整子模型对神经网络子模型输出的二维层位概率图进行局部修正，以提取出目标层位，得到二维层位数据；对数据与模型联合驱动模型进行多次分批式迭代训练，得到训练好的数据与模型联合驱动模型。上述方案可以提高层位拾取的准确性和效率。

技术领域

本说明书涉及地震勘探采集、处理与解释技术领域，特别涉及一种基于神经网络和动态时间规整的地震层位拾取方法及装置。

背景技术

层位拾取是地震解释工作中基础且重要的一步。依据不同的层位拾取技术可以从地震剖面上拾取到多个地震层位，其中重点关注的几个地震层位称为目标层位。这些目标层位是研究的油气储层段的上下界面，或反映特殊的地质时期分界面(如陆相沉积过渡到海相沉积)。因此，刻画目标层位具有重要的油气地质勘探开发价值与意义。层位追踪的结果可以用来确定钻井的位置、判断油气储存的分布。近几年来，随着简单构造油气藏的开发殆尽，复杂油气藏的开采逐渐得到人们的关注。然而，采集处理的复杂油气藏地震数据往往存在分辨率较低、噪声较强、波形横向变化大等问题，这给层位拾取工作带来了较大的难度。

地震层位拾取技术发展至今，大致可分为手动拾取和自动拾取两类。手动拾取是解释人员依靠地质和地球物理知识及工作经验，在目标层位位置稀疏地解释有限数量的纵横测线剖面，再依据地震波形的相似性采用纯数学插值的方法追踪其他剖面上的层位线，从而得到三维的目标层系层位曲面。然而，手工拾取方法极大地依赖解释人员的主观经验。并且，当拾取层位线比较粗糙时，层位结果往往精度较低，容易忽略重要的地质异常体；当拾取层位线较精细时，会极大的耗费人力物力，降低拾取效率。因此，为了达到更准确、更高效的拾取目的，研究人员设计出各种层位自动拾取方法。

目前层位自动拾取方法主要可以分为三类：基于相关的层位自动拾取方法、基于神经网络的层位自动拾取方法以及基于像元的层位自动拾取方法。基于相关的层位自动拾取方法是利用地震道波形特征，寻找一致的波峰、波谷或零值点；基于神经网络的层位自动拾取方法是利用深度神经网络以及计算机强大的算力，通过学习大量的样本提取层位特征属性从而达到对层位进行自动拾取的目的；而像元追踪是通过引入图像处理领域中的像元概念，将地震记录点看成像元，通过比较目标窗口内的像元之间的相似性，将相似性达到最高的像元点作为追踪目标。

然而，目标层位自动拾取方法存在诸多问题，如对数据要求较高、受到很多假设条件的限制、可解释性不强、数据不能多样化、需要较多样本才能达到拾取目的等。而且，这些方法获得的层位拾取结果往往非常粗糙，容易错误地将目标层位附近区域以外的其他位置判定为目标层位，最终导致目标层位拾取结果破碎杂乱且存在诸多非目标层位假象。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书实施例提供了一种基于神经网络和动态时间规整的地震层位拾取方法及装置，以解决现有技术中目标层位拾取方法的效率和精度较低的问题。