1.一種基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，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。
2.根據(jù)權(quán)利要求1所述的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，所述設(shè)計方法，具體包括以下內(nèi)容：
3.根據(jù)權(quán)利要求2所述的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，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。
4.根據(jù)權(quán)利要求3所述的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，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。
5.根據(jù)權(quán)利要求2所述的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，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(bǔ)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。
6.根據(jù)權(quán)利要求5所述的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，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；
7.根據(jù)權(quán)利要求6所述的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，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)；
8.根據(jù)權(quán)利要求7所述的基于一維gru聯(lián)合二維改進(jìn)aspp的疊前地震反演模型設(shè)計方法，其特征在于，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：