[发明专利]一种基于自注意力机制与U型结构结合的地震相自动化识别方法

权利要求书

1.一种基于自注意力机制与U型结构结合的地震相自动识别方法，其特征在于，包括以下步骤：

获得叠后地震数据体，并对所述叠后地震数据体进行预处理，以构建样本训练验证数据集；

利用具有下采样功能的重叠块合并模块与能够全局建模表示的高效自注意力变换器模块构造编码器；

利用具有线性上采样功能的块扩张模块、所述高效自注意力变换器模块与能够融合高低层特征的跳跃连接模块构造解码器；

利用所述编码器、所述解码器与超列模块构造地震相识别模型，所述地震相识别模型包括超列酉分割器；

构建混合损失函数，利用所述样本训练验证数据集中的训练验证集迭代训练所述地震相识别模型；输入测试数据，以获得测试地震数据地震相。

2.根据权利要求1所述的基于自注意力机制与U型结构结合的地震相自动识别方法，其特征在于，所述获得叠后地震数据体，并对所述叠后地震数据体进行预处理，以构建样本训练验证数据集具体包括以下步骤：

采集原始地震数据，进行预处理后得到叠后地震数据体，并将所述叠后地震数据的幅值归一化至[0,1]；

将所述叠后地震数据体沿着联络测线方向均分为N个切面块，其中每个所述切面块由第一子块与第二子块构成，将所述第一子块作为训练集、第二子块作为验证集；其中，N为大于2的正整数，且第一子块的数量不少于第二子块的数量；

利用线性插值的方法将地震剖面图像的尺寸调整为16的倍数；

经过左右翻转、高斯噪声变换对所述地震剖面图像进行数据增广。

3.根据权利要求2所述的基于自注意力机制与U型结构结合的地震相自动识别方法，其特征在于，所述利用具有下采样功能的重叠块合并模块与能够全局建模表示的高效自注意力变换器模块构造模型编码器具体包括以下步骤：

对于一个输入高度、宽度分别为H、W的地震图像构造一编码器复合函数使得且对于特征图有第一子函数其中C_i为第i个编码器输出特征图的通道数,所述第一子函数由1个所述重叠块合并模块和2个所述高效自注意力变换器模块组成，所述第一子函数包括4个，4个所述第一子函数组成所述编码器的4个连续的阶段，其中，所述重叠块合并模块通过步长小于核大小的卷积层实现，所述高效自注意力变换器模块包含自注意力子模块和前馈神经网络子模块，所述自注意力子模块以及所述前馈神经网络子模块的计算公式为：

sAtt(x)＝MHSA(LN(x))+x， (1)

FFN(x)＝L₂(cv(L₁(LN(x))))+x (2)

其中，LN为层归一化函数，MHSA为多头自注意力计算函数，L₁，L₂为两个全连接函数，cv为卷积层函数。

4.根据权利要求3所述的基于自注意力机制与U型结构结合的地震相自动识别方法，其特征在于，所述利用具有线性上采样功能的块扩张模块、所述高效自注意力变换器模块与能够融合高低层特征的跳跃连接模块构造模型解码器具体包括以下步骤：

构造一个解码器函数f_d，使得所述解码器函数f_d包括4个第二子函数，且4个第二子函数组成解码器的4个阶段，对于编码特征图与解码特征图有其中i＝{2，3，4}，d⁽⁴⁾＝x⁽⁴⁾，concat(·，·)为沿着通道维度张量拼接操作，最后一个阶段的特征图

所述第二子函数由所述块扩张模块与2个所述高效Transformer模块构成；当输入特征图为x，所述块扩张模块的计算公式为：

x＝LinearrC,2C](x), (3)

其中，Linear为全连接层，Reshape为维度重塑操作；

在编码器与解码器的对应阶段中通过所述跳跃连接模块连接，以使所述解码器接收来自相同阶段的所述编码器的特征进行融合。