[发明专利]基于层序约束多任务层位自动追踪方法

说明书

本发明涉及地震层位追踪技术领域，公开了一种基于层序约束多任务层位自动追踪方法，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。本发明追踪方法能提高的追踪精度，并且序列约束多任务层位追踪模型能够防止出现跨层位现象，能获得准确的层位追踪结果。

技术领域

本发明涉及地震层位追踪技术领域，具体涉及基于层序约束多任务层位自动追踪方法、基于层序约束多任务层位自动追踪装置、一种电子设备和一种计算机可读存储介质。

背景技术

在地震勘探中，地震层位追踪是一个基础和关键的步骤，因为它直接影响到后续的解释、反演和其他应用。

现有的传统的自动或半自动地震层位追踪方法可分为三种类型。第一种类型基于波形相似性，其中相邻轨迹之间的相干性或相关性用于层位追踪。另一种类型是基于相对地质时间值，其中相对地质时间等值线用于层位追踪。最常用的类型是基于地震反射斜率，如结构张量反演、平面波破坏、相似扫描、动态图像变形和2D log-Gabor滤波。然而，这些方法在噪声和故障位置上表现不佳。

随着深度学习在计算机视觉和图像处理领域的成功，它在地震层位自动追踪中的普及领域迅速蔓延。深度学习优于传统的自动或半自动层位追踪方法，深度学习在地震层位自动追踪中的应用还存在至少以下问题：

(1)、传统的深度学习自动层位追踪方法属于单阶段单任务网络，缺乏其他相关信息作为指导；

(2)、在传统的深度学习自动层位追踪方法中，地震数据的处理方式与自然图像相同，没有充分考虑地震数据特征和地震数据所包含的地质信息。

由于上述问题，传统的深度学习自动层位追踪容易出现精度不足的追踪结果和严重的跨层位现象。

发明内容

本发明的目的在于提供基于层序约束多任务层位自动追踪方法、装置、电子设备及存储介质，解决传统的深度学习自动层位追踪容易出现精度不足的追踪结果和严重的跨层位现象的问题。

为实现上述发明目的，本发明所采用的技术方案是：基于层序约束多任务层位自动追踪方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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；