[发明专利]基于层序约束多任务层位自动追踪方法在审
申请号: | 202310120052.1 | 申请日: | 2023-02-14 |
公开(公告)号: | CN116047603A | 公开(公告)日: | 2023-05-02 |
发明(设计)人: | 张固澜;罗一梁;梁晨曦;李勇;段景;吴骐;杨丰驰 | 申请(专利权)人: | 西南石油大学 |
主分类号: | G01V1/30 | 分类号: | G01V1/30 |
代理公司: | 成都智涌知识产权代理事务所(普通合伙) 51313 | 代理人: | 蔡福林 |
地址: | 610500 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 约束 任务 层位 自动 追踪 方法 | ||
1.基于层序约束多任务层位自动追踪方法,其特征在于,所述方法包括:
获取地震数据;
构建序列约束多任务层位追踪模型;
将地震数据输入至序列约束多任务层位追踪模型中进行处理,得到层位追踪结果。
2.根据权利要求1所述的基于层序约束多任务层位自动追踪方法,其特征在于,所述序列约束多任务层位追踪模型包括:层位标签自动富集单元、多任务层位追踪网络和层位序列约束损失函数。
3.根据权利要求2所述的基于层序约束多任务层位自动追踪方法,其特征在于,所述多任务层位追踪网络包括共享层、辅助任务层、主要任务层和层位优化层。
4.根据权利要求3所述的基于层序约束多任务层位自动追踪方法,其特征在于,将地震数据输入至序列约束多任务层位追踪模型中进行处理,得到层位追踪结果,包括:
自动生成地震数据的层位标签,所述层位标签包括:目标层位标签、以及与目标层位标签相邻的上辅助层位标签和下辅助层位标签;
扩展层位标签,得到层位区域标签,所述层位区域标签包括:目标层位区域标签、上辅助层位区域标签和下辅助层位区域标签;
根据层位区域标签计算层位概率标签;
将层位标签作为多任务层位追踪网络的辅助任务层的标签,预测三个层位的区域;
将层位概率标签作为多任务层位追踪网络的主要任务层的标签,基于语义分割算法获取高精度层位;
根据三个层位区域和高精度层位计算层位追踪结果。
5.根据权利要求4所述的基于层序约束多任务层位自动追踪方法,其特征在于,根据三个层位区域和高精度层位计算层位追踪结果,包括:
构建层位序列约束损失函数;
将三个层位区域和高精度层位的乘积作为层位优化层的输入,将层位标签作为层位优化层的标签;
基于层位序列约束损失函数对层位优化层的输出进行处理,得到精确的层位追踪结果。
6.根据权利要求5所述的基于层序约束多任务层位自动追踪方法,其特征在于,构建层位序列约束损失函数,包括:
根据地震层位的序列形成层位序列约束惩罚函数;
根据层位序列约束惩罚函数、辅助任务层的损失函数、主要任务层的损失函数和层位优化层的损失函数构建层位序列约束损失函数。
7.根据权利要求6所述的基于层序约束多任务层位自动追踪方法,其特征在于,所述层位序列约束惩罚函数的表达式为:
式中,F5为层位序列约束惩罚函数,hk(i)∈[0,1](k=1,2,3)为层位优化层的输出,wk(i)为目标层位的相邻层位区域,并且m=1,2,3,uk(i)反映了hk(i)的串层程度,zm(i)为层位区域标签,M为最终训练地震数据中的总像素。
8.根据权利要求7所述的基于层序约束多任务层位自动追踪方法,其特征在于,所述层位序列约束损失函数的表达式为:
F6=F1+F2+(1-r)×F3+r×F5;
式中,F6为层位序列约束损失函数,F1为辅助任务层的损失函数,F2为主要任务层的损失函数,F3为层位优化层的损失函数,r为加权参数。
9.根据权利要求8所述的基于层序约束多任务层位自动追踪方法,其特征在于,所述加权参数r的取值为0.6。
10.一种基于层序约束多任务层位自动追踪装置,所述装置用于实现权利要求1-9中任一项所述的基于层序约束多任务层位自动追踪方法,其特征在于,所述装置包括:
获取模块,用于获取地震数据;
构建模块,用于构建序列约束多任务层位追踪模型;
追踪模块,用于将地震数据输入至序列约束多任务层位追踪模型中进行处理,得到层位追踪结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南石油大学,未经西南石油大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310120052.1/1.html,转载请声明来源钻瓜专利网。