本發(fā)明涉及地震反演，特別是涉及一種基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法。

背景技術(shù)：

1、地震反演是根據(jù)各種地球物理觀測數(shù)據(jù)推測地球內(nèi)部的結(jié)構(gòu)、形態(tài)及物質(zhì)成分，定量計算各種相關(guān)的地球物理參數(shù)的過程。油氣地震勘探的諸多問題最終都可歸結(jié)為地震反演問題，因此地震反演的研究在油氣地震勘探中具有重要意義，是地下能源勘探的重要一環(huán)。地震反演方法主要包括疊前反演和疊后反演。相比于疊后反演，疊前反演利用的疊前地震數(shù)據(jù)中含有更豐富、精確的信息。因此疊前反演被廣泛應(yīng)用并取得了諸多成果。

2、傳統(tǒng)地震反演方法是基于模型驅(qū)動的，能夠大致反演出地層剖面的結(jié)構(gòu)。但是由于采集的限制、潛在的測量誤差和噪聲等因素的影響，基于模型驅(qū)動的方法難免會產(chǎn)生誤差。并且為了得到好的反演結(jié)果，基于模型驅(qū)動的方法通常需要有一個較好的初始模型以及較精確的子波，而在實際應(yīng)用中要獲得好的初始模型和精確的子波通常都是比較困難的。

3、深度學(xué)習(xí)是機器學(xué)習(xí)的一個子集，是一種數(shù)據(jù)驅(qū)動方法，能通過大量的數(shù)據(jù)來學(xué)習(xí)輸入和輸出之間的復(fù)雜映射關(guān)系。近年來，深度學(xué)習(xí)在圖像分類、對象檢測、圖像分割、圖像和視頻字幕、語音識別、機器翻譯等領(lǐng)域取得了突破性進(jìn)展。深度學(xué)習(xí)在計算機視覺和自然語言處理領(lǐng)域的成功，使得基于數(shù)據(jù)驅(qū)動的智能地震反演方法受到了學(xué)者們的廣泛關(guān)注。深度學(xué)習(xí)方法不需要初始模型，也不用估計地震子波,通過從大量的樣本數(shù)據(jù)中不斷學(xué)習(xí)，進(jìn)而擬合復(fù)雜非線性函數(shù)來實現(xiàn)地下儲層特征反演，有著很強的非線性映射和泛化能力，因此深度學(xué)習(xí)很適合用在地震反演領(lǐng)域。將深度學(xué)習(xí)應(yīng)用在地震反演中能得到精度更高、效果更好的反演結(jié)果。

4、現(xiàn)有的深度學(xué)習(xí)方法已經(jīng)能得到較好的反演結(jié)果，但仍然存在測井?dāng)?shù)據(jù)不足、反演結(jié)果橫向連續(xù)性不佳、特征提取不充分和細(xì)節(jié)處反演精度不高等問題。

技術(shù)實現(xiàn)思路

1、針對上述要解決的技術(shù)問題，本發(fā)明提供一種基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，反演結(jié)果精度較高、橫向連續(xù)性較好、細(xì)節(jié)反演充分。

2、為解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案為：

3、一種基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，將空洞空間卷積池化金字塔模塊引入疊前反演框架，改進(jìn)aspp將輸入送入到三個部分：卷積池化層、池化金字塔以及自適應(yīng)均值池化層；先將池化金字塔和自適應(yīng)均值池化層的輸出相拼接，經(jīng)過一個卷積塊和dropout模塊，再和卷積池化層拼接；在反演框架中加入了三重注意力模塊，提取地震數(shù)據(jù)不同尺度的特征，聯(lián)合循環(huán)神經(jīng)網(wǎng)絡(luò)提取地震數(shù)據(jù)的低頻信息；在網(wǎng)絡(luò)訓(xùn)練階段，采用多道集反演方法，結(jié)合一維反演和二維反演訓(xùn)練網(wǎng)絡(luò)模型。

4、作為上述技術(shù)方案地進(jìn)一步改進(jìn)為：

5、優(yōu)選地，所述設(shè)計方法，具體包括以下內(nèi)容：

6、整體網(wǎng)絡(luò)框架包括反演網(wǎng)絡(luò)和正演網(wǎng)絡(luò)組成，將地震數(shù)據(jù)輸入到反演網(wǎng)絡(luò)中，輸出得到橫波速度、縱波速度和密度；使用循環(huán)網(wǎng)絡(luò)結(jié)構(gòu)，將反演網(wǎng)絡(luò)得到的橫波速度、縱波速度和密度輸入正演網(wǎng)絡(luò)中得到地震數(shù)據(jù)；

7、反演網(wǎng)絡(luò)包括特征提取模塊和回歸模塊，特征提取模塊分為局部特征提取模塊和序列建模模塊；在網(wǎng)絡(luò)訓(xùn)練時，反演網(wǎng)絡(luò)中局部特征提取模塊的輸入是二維地震數(shù)據(jù)，序列建模模塊的輸入是一維地震數(shù)據(jù)；

8、回歸模塊將數(shù)據(jù)從時空特征序列映射到橫波速度、縱波速度和密度；通過對比真實橫波速度、縱波速度、密度和反演得到的橫波速度、縱波速度、密度，計算屬性損失；對比真實地震數(shù)據(jù)和正演網(wǎng)絡(luò)輸出的地震數(shù)據(jù)，計算得到地震數(shù)據(jù)損失。

9、優(yōu)選地，所述卷積池化層由一個1×5的卷積、一個3×3的池化層和兩個組歸一化層組成。

10、優(yōu)選地，在所述局部特征提取模塊的輸出之前加入三重注意力模塊，所述三重注意力模塊由三個分支組成，第一個分支是通道注意力計算分支，輸入特征經(jīng)過池化，接著經(jīng)過7×7卷積，最后經(jīng)過sigmoid激活函數(shù)生成空間注意力權(quán)重；第二個分支是通道c和空間w維度交互捕獲分支，輸入維度特征為c×h×w，先經(jīng)過置換操作，變?yōu)閔×c×w維度特征，接著在h維度上進(jìn)行池化操作，最后經(jīng)過置換操作變?yōu)閏×h×w維度特征；第三個分支是通道c和空間h維度交互捕獲分支，輸入特征先經(jīng)過置換，變?yōu)閣×h×c維度特征，接著在w維度上進(jìn)行池化；每個分支在生成注意力權(quán)重后，將三個分支的輸出進(jìn)行平均聚合，得到三重注意力輸出。

11、優(yōu)選地，所述回歸模塊是由兩個反卷積塊、lstm層和全連接層組成，所述反卷積塊由一個反卷積層和一個組歸一化層組成，所述組歸一化將卷積層的輸出進(jìn)行分組，并使用學(xué)習(xí)到的均值和標(biāo)準(zhǔn)差對每組進(jìn)行歸一化；所述反卷積塊具有可學(xué)習(xí)的核參數(shù)，用于補償?shù)卣饠?shù)據(jù)和測井?dāng)?shù)據(jù)之間的分辨率不匹配；所述lstm層和全連接層將特征提取模塊提取到的特征送回目標(biāo)域。

12、優(yōu)選地，所述回歸模塊的輸入是特征提取模塊的輸出，輸出為反演的橫波速度、縱波速度和密度；

13、計算測井橫波速度、縱波速度、密度和回歸模塊輸出的橫波速度、縱波速度、密度之間的均方誤差，按式(9)計算反演得到的數(shù)據(jù)與測井?dāng)?shù)據(jù)之間的均方誤差，更新特征提取模塊和回歸模塊中的可學(xué)習(xí)參數(shù)，記為屬性損失：

14、

15、其中，mi,t為實際測井?dāng)?shù)據(jù)，為反演得到的數(shù)據(jù)，l1代表屬性損失，mse為均方誤差函數(shù)。

16、優(yōu)選地，所述正演模塊的輸入是反演網(wǎng)絡(luò)的輸出，輸出為地震數(shù)據(jù)，正演模塊由四個卷積層和兩個激活函數(shù)組成，完成重建的任務(wù)；

17、計算序列建模模塊的輸入和正演模塊的輸出之間的均方誤差，按式(10)計算輸入地震數(shù)據(jù)和正演網(wǎng)絡(luò)得到的地震數(shù)據(jù)之間的均方誤差，記為地震數(shù)據(jù)損失：

18、

19、其中，xi,t為序列建模模塊輸入的測井地震數(shù)據(jù)，為正演網(wǎng)絡(luò)得到的地震數(shù)據(jù)，l2表示地震數(shù)據(jù)損失。

20、優(yōu)選地，反演過程的損失由屬性損失和地震數(shù)據(jù)損失共同組成，總損失如式(11)所示：

21、l＝αl1+βl2?(7)

22、其中，α和β為權(quán)重系數(shù)，用于控制屬性損失和地震數(shù)據(jù)損失在總損失函數(shù)中所占比重。整個反演網(wǎng)絡(luò)的損失函數(shù)表示如式(12)所示：

23、

24、本發(fā)明提供的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，與現(xiàn)有技術(shù)相比，有以下優(yōu)點：

25、本發(fā)明的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，整體網(wǎng)絡(luò)結(jié)構(gòu)由正演網(wǎng)絡(luò)和反演網(wǎng)絡(luò)組成，其中反演網(wǎng)絡(luò)由特征提取模塊和回歸模塊組成，在反演模塊中，采用多道集反演方法，充分利用地震數(shù)據(jù)中的空間信息，提高反演結(jié)果的橫向連續(xù)性。同時，本發(fā)明改變了aspp模塊的三個組成部分的連接順序和方式，讓其在充分提取地震數(shù)據(jù)多尺度特征的同時，又能關(guān)注地震數(shù)據(jù)中的長程信息，提高反演結(jié)果的精度，并且在改進(jìn)的aspp模塊中加入了triplet?attention模塊，既充分考慮了地震數(shù)據(jù)的空間相關(guān)性和通道相關(guān)性，又讓網(wǎng)絡(luò)能更好地處理數(shù)據(jù)的長距離關(guān)系。