基于数据增强的多尺度卷积神经网络低序级断层提取方法与流程

本发明涉及勘探地球物理，特别是涉及到一种基于数据增强的多尺度卷积神经网络低序级断层提取方法。

背景技术：

1、走滑断层与石油地质之间有着紧密关联，特别是走滑断层能够有效改进油气储层渗透性，让油气更加容易进入到储层内部。隐蔽走滑通常与显性走滑相伴生，由于活动较弱，位移不明显，地震资料虽有异常，但通常不易识别。断裂系统非常复杂，主要表现在断层密集、延伸短、断距小、搭接关系复杂多样，应用常规地震解释方法无法有效刻画，断层平面组合难度极大。张中巧等(2017)提出了基于高波数曲率属性的隐蔽走滑断层识别方法，该方法实际应用结果表明，高波数曲率属性能够对辽东湾坳陷旅大构造区所发育的隐蔽走滑断层进行较好的识别。wei等(2018)使用一种卷积神经网络来对三维地震图像中的断层进行自动检测，计算出的断层概率在不连续性方面表现清晰。牛成民等(2019)在研究渤海海域隐蔽走滑断层时，依据隐蔽走滑断层的发育背景及形成机制，利用最大似然属性技术、剖面寻差技术、数据增强技术以及“三性”识别法，提升了渤海海域隐蔽走滑断层的识别与解释效率。li等(2019)提出一种编码器-解码器卷积神经网络进行地震断层检测，使用一个较小的训练集来训练网络，然后逐像素地预测地震数据中的断层，取得了较为理想的结果。由于地震波在传播过程中存在能量的衰减，且频率越高，衰减越快，这不仅使地震波的振幅减小，而且使地震波的波形发生畸变，信号主频降低，导致地震资料的信噪比和分辨率降低，难以满足复杂油气藏勘探精度要求。

2、在申请号：cn201810995076.0的中国专利申请中，涉及到一种基于全卷积神经网络的断层面识别方法，其包括获取地震振幅断层数据，构建全卷积神经网络模型，训练全卷积神经网络训练模型，对地震振幅断层数据进行识别。该发明从地震振幅图像级别的断层分类识别延伸到了像素级别的分类，使用全卷积神经网络来对三维地震振幅数据体进行断层识别分割，既能够实现快速的断层识别，也通过使用全卷积的方式代替全连接层来避免空间信息的丢失，从而得到更精准的断层分割和识别。

3、在申请号：cn202010107254.9的中国专利申请中，涉及到一种断层检测方法及装置，其中该方法包括：获取断层样本数据集；根据断层样本数据集，基于深度学习算法，构建用于断层检测的初始卷积神经网络模型；基于自注意力门机制，消除初始卷积神经网络模型中指定特征和噪声影响，建立用于断层检测的卷积神经网络模型；获取实时地震数据；将实时地震数据输入卷积神经网络模型中，得到断层检测结果。该方法通过建立卷积神经网络模型，实现了对地震数据的断层检测，通过引入自注意力门机制，强调了模型中的断层的显著特征，提高了断层特征选取的准确性，在保证计算效率的同时，提高了所建立的卷积神经网络模型的预测准确率，从而提高了断层检测的精度。

4、在申请号：cn202010423320.3的中国专利申请中，涉及到一种地震断层数据处理方法及装置，包括：获取地震断层数据；利用预先训练获得断层数据处理模型对获取的地震断层数据进行数据处理，获得断层数据处理结果，以根据断层数据处理结果对地震断层进行勘探；其中，断层数据处理模型通过利用获取的断层样本训练数据集和验证数据集对预先建立的卷积神经网络模型进行训练获得。该申请通过一种深度学习方法，对断层识别算法识别出的结果进行处理，同时结合图像膨胀腐蚀技术以及骨架提取技术，提高断层的连续性，纯净度和精确度，从而为断层解释提供可靠的结果。

5、以上现有技术均与本发明有较大区别，未能解决我们想要解决的技术问题，为此我们发明了一种新的基于数据增强的多尺度卷积神经网络低序级断层提取方法。

技术实现思路

1、本发明的目的是提供一种需要进行断层数据增强和拾取方法研究，提高断层识别的分辨率，为后续地震资料的处理和解释提供强有力的技术支撑的基于数据增强的多尺度卷积神经网络低序级断层提取方法。

2、本发明的目的可通过如下技术措施来实现：基于数据增强的多尺度卷积神经网络低序级断层提取方法，该基于数据增强的多尺度卷积神经网络低序级断层提取方法包括：

3、步骤1，通过同步压缩小波变换进行地震数据时频域分析，分析地震数据时频分布，获得不同尺度的高分辨率地震数据；

4、步骤2，根据多尺度地震数据设计多尺度数据增强器，进行地震数据断层增强，强化低序级断层特征；

5、步骤3，基于融合残差路径多尺度卷积神经网络，进行断层识别提取；

6、步骤4，输出高分辨率断层分布。

7、本发明的目的还可通过如下技术措施来实现：

8、在步骤1中，通过同步压缩小波变换进行地震数据时频域分析，获得地震数据时频分布，根据时频分布将不同尺度地震数据进行划分，获得多尺度高分辨率地震数据。

9、在步骤1中，对时间域地震数据进行同步挤压小波变换，将时间域地震数据转换到时频域，获得地震数据的时频分布；通过分析地震资料频率域特征，然后将其分解到3～5个频段上，获得表征不同尺度、分辨率的多尺度断层数据。

10、在步骤1中，得到的不同尺度的地震数据为：

11、

12、其中，ωl是中心频率，ω是频率变量，ws是原始信号的时频谱，a是尺度因子，b是时移因子。

13、在步骤2中，构建多尺度断层高频增强器，增强器系数分别对应数据时频段，对中高频频断层数据进行增强，并压制高频噪声；然后融合不同尺度数据，获得重构的数据增强后的地震数据。

14、在步骤2中，地震数据增强时，根据精细断层在多尺度时频域的特征，对断层数据频段进行增强并压制噪声，提高隐蔽断层分辨率。

15、在步骤2中，增强数据为通过构建断层数据库进行多尺度神经网络学习训练，并利用数据增强后的数据进行断层拾取，达到提高低序级断层拾取精度的目的。

16、在步骤3中，通利用合成地震数据和实际数据构建断层标签库，设计基于融合残差路径多尺度卷积神经网络；利用多尺度神经网络进行断层拾取训练，即可获得能够拾取隐蔽断层的网络模型。

17、在步骤4中，利用训练完成的基于融合残差路径多尺度卷积神经网络进行数据增强的低序级断层识别，输出高分辨率断层分布。

18、本发明中的基于数据增强的多尺度卷积神经网络低序级断层提取方法，通过同步压缩小波变换方法划分高分辨率多尺度地震数据，强化低序级断层特征属性，然后设计多尺度神经网络进行断层识别。本发明解决三维地震勘探中低序级断层拾取困难，分辨率和效率较低的问题。通过本发明进行断层识别，可以强化低序级断层的数据特征，提高精细断层的拾取精度，改善断层分布连续性，为后续地震资料的处理和解释提供强有力的技术支撑。

技术特征：

1.基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，该基于数据增强的多尺度卷积神经网络低序级断层提取方法包括：

2.根据权利要求1所述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤1中，通过同步压缩小波变换进行地震数据时频域分析，获得地震数据时频分布，根据时频分布将不同尺度地震数据进行划分，获得多尺度高分辨率地震数据。

3.根据权利要求2所述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤1中，对时间域地震数据进行同步挤压小波变换，将时间域地震数据转换到时频域，获得地震数据的时频分布；通过分析地震资料频率域特征，然后将其分解到3～5个频段上，获得表征不同尺度、分辨率的多尺度断层数据。

4.根据权利要求2所述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤1中，得到的不同尺度的地震数据为：

5.根据权利要求1所述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤2中，构建多尺度断层高频增强器，增强器系数分别对应数据时频段，对中高频频断层数据进行增强，并压制高频噪声；然后融合不同尺度数据，获得重构的数据增强后的地震数据。

6.根据权利要求5所述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤2中，地震数据增强时，根据精细断层在多尺度时频域的特征，对断层数据频段进行增强并压制噪声，提高隐蔽断层分辨率。

7.根据权利要求6述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤2中，增强数据为通过构建断层数据库进行多尺度神经网络学习训练，并利用数据增强后的数据进行断层拾取，达到提高低序级断层拾取精度的目的。

8.根据权利要求1所述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤3中，通利用合成地震数据和实际数据构建断层标签库，设计基于融合残差路径多尺度卷积神经网络；利用多尺度神经网络进行断层拾取训练，即可获得能够拾取隐蔽断层的网络模型。

9.根据权利要求8所述的基于数据增强的多尺度卷积神经网络低序级断层提取方法，其特征在于，在步骤4中，利用训练完成的基于融合残差路径多尺度卷积神经网络进行数据增强的低序级断层识别，输出高分辨率断层分布。

技术总结
本发明提供一种基于数据增强的多尺度卷积神经网络低序级断层提取方法，包括：步骤1，通过同步压缩小波变换进行地震数据时频域分析，分析地震数据时频分布，获得不同尺度的高分辨率地震数据；步骤2，根据多尺度地震数据设计多尺度数据增强器，进行地震数据断层增强，强化低序级断层特征；步骤3，基于融合残差路径多尺度卷积神经网络，进行断层识别提取；步骤4，输出高分辨率断层分布。该基于数据增强的多尺度卷积神经网络低序级断层提取方法解决三维地震勘探中精细断层拾取困难，分辨率和效率较低的问题，进行了断层数据增强和拾取方法研究，提高了断层识别的分辨率，为后续地震资料的处理和解释提供强有力的技术支撑。

技术研发人员：徐佑德,任新成,修金磊,张关龙,商丰凯,陈林,谭星宇,邓旭波,王林,刘子超
受保护的技术使用者：中国石油化工股份有限公司
技术研发日：
技术公布日：2024/1/22