一种基于多源信息融合的初至波走时层析成像方法及系统

本发明属于地震层析成像，具体涉及一种基于多源信息融合的初至波走时层析成像方法及系统。

背景技术：

1、油气是重要的能源矿产和战略性资源，在国民经济中具有极其重要的地位和作用。地震勘探是目前油气资源发现的最有力手段，其根据地震波在不同岩性介质下传播状态的差异，处理分析得到地下构造和岩性信息。在地震勘探中，近地表受地形条件、水流侵蚀和风化作用等影响，相对于深层连续沉积构造更为复杂多变，常存在明显的高差起伏和介质层内速度横向剧烈变化，严重扭曲了地震反射波的双曲形态。建立准确的近地表速度模型，对进一步的速度分析、叠加偏移等处理环节和后续的储层预测、地质构造解释等分析环节都有重要作用。

2、在反映近地表结构的地震数据中，初至波具有能量强、可追踪性好、走时信息的识别和获取简单可靠的优势，利用地震初至波走时信息对近地表进行层析反演建模，是目前高效建立稳定准确近地表速度模型最常用的方式。传统地震初至波走时层析成像方法基于tikhonov 正则化的空间结构连续性假设，反演结果出现明显的速度平滑，对速度分界面的成像能力较弱。

3、随着数字化野外勘探技术的发展和对真实地质构造精细刻画的需求，基于先验信息对反演进行约束可以有效的减少反演的多解性，成为提高模型精度的重要研究方向。微测井和地表地质露头包含丰富的近地表信息，可以对层析反演进行约束，建立更符合真实构造的近地表速度模型。由于不同数据之间维度不同，如何有效对不同类型的数据进行融合约束反演是研究的重点。

4、而在地震初至波走时层析成像反演中，现有的算法反演精度低、缺乏利用不同尺度多源信息约束反演的能力，研究能够利用多种数据提升建模分辨率的地震初至波走时层析成像算法是有必要的。

技术实现思路

1、本发明要解决的问题是提高初至波走时层析成像精度，提出一种基于多源信息融合的初至波走时层析成像方法及系统。

2、为实现上述目的，本发明通过以下技术方案实现：

3、一种基于多源信息融合的初至波走时层析成像方法，包括如下步骤：

4、s1. 采集数据，包括空间采样点的位置数据、炮点位置数据、检波器点位置数据、初至波走时数据、微测井速度数据、地表地质露头层位数据，构建数据训练集和数据测试集；

5、s2. 构建走时场神经网络、速度神经网络；

6、s3. 对步骤s2构建的走时场神经网络设置初至波走时约束条件、边界条件约束条件，对速度神经网络设置微测井速度约束条件、地表地质露头层位信息约束条件，设置程函方程连接走时场神经网络、速度神经网络，作为走时场神经网络和速度神经网络的程函方程约束条件，构建初至波走时层析成像网络模型设置损失函数，得到初至波走时层析成像网络模型；

7、s4. 将步骤s1得到的数据训练集输入到初至波走时层析成像网络模型中进行模型训练，得到完成训练的初至波走时层析成像网络模型；

8、s5. 步骤s1得到的数据测试集输入到步骤s4得到的完成训练的初至波走时层析成像网络模型进行模型测试，输出近地表速度初至波走时层析成像预测结果。

9、进一步的，步骤s2的具体实现方法包括如下步骤：

10、s2.1. 构建走时场神经网络，包括输入层、隐藏层和输出层，所述输入层连接隐藏层，所述隐藏层连接输出层，所述输入层由4个神经元组成，所述隐藏层由20 个全连接层组成，每个全连接层由50个神经元组成，输出层由1个神经元组成，用于模拟正演走时场的过程；

11、s2.2. 构建速度神经网络，包括输入层、隐藏层和输出层，所述输入层连接隐藏层，所述隐藏层连接输出层，所述输入层由2个神经元组成，所述隐藏层由20 个全连接层组成，每个全连接层由50个神经元组成，输出层由1个神经元组成，用于模拟反演求解速度参数。

12、进一步的，步骤s3的具体实现方法包括如下步骤：

13、s3.1. 对步骤s2构建的走时场神经网络设置初至波走时约束条件，为对通过稀疏的检波器采集的走时数据进行约束，得到初至波走时约束项的表达式为：

14、；

15、其中，为炮点总个数，为每个炮点对应的检波点总个数，为第 n个炮点、第 i个检波点的位置，为经过走时场神经网络输出的位置的走时，为位置的观测走时；

16、s3.2. 对步骤s2构建的走时场神经网络设置边界条件约束条件，为第 n个炮点位置对应的地震初至波走时为0，得到边界条件约束项的表达式为：

17、；

18、其中，为经过走时场神经网络输出的位置的走时；

19、s3.3. 对步骤s2构建的速度神经网络设置微测井速度约束条件，微测井速度约束项的表达式为：

20、；

21、其中，为微测井速度的总个数，为微测井的水平位置，为速度神经网络输出的水平位置处的微测井速度，为水平位置处的真实微测井速度；

22、s3.4. 对步骤s2构建的速度神经网络设置地表地质露头层位信息约束条件，地表地质露头层位信息约束项的表达式为：

23、；

24、其中，为地表地质露头层位的总层位数，为第h个层位所包含的采样点数，为第h个地表地质露头层位处第k个采样点的位置，为速度神经网络输出的处的速度，为第h个地表地质露头层位在处的平均速度；

25、s3.5. 设置程函方程连接走时场神经网络、速度神经网络，得到程函方程约束项的表达式为：

26、；

27、其中，为训练集的采样点的总个数，为第 n个炮点、训练集的第 j个采样点的位置，为位置的程函方程；

28、的表达式为：

29、；

30、其中，和分别为经过走时场神经网络输出的位置的走时在和方向的偏微分，为速度神经网络输出的处的速度平方；

31、s3.6. 构建初至波走时层析成像网络模型设置损失函数，表达式为：

32、；

33、其中，、、、和分别为、、、、的超参数，、、、、的权重参数均取1。

34、进一步的，步骤s4的具体实现方法包括如下步骤：

35、s4.1. 将步骤s1得到的数据训练集中的数据输入到步骤s3构建的初至波走时层析成像网络模型中进行模型训练，训练过程首先需要在空间中给定输入点位置坐标，经过网络训练后产生与输入点对应的速度与走时，利用初至波走时层析成像网络模型的损失函数优化更新网络参数；

36、s4.2. 步骤s4.1中的初至波走时层析成像网络模型训练迭代过程，根据当前神经网络模型的参数计算损失函数进行反传，同步更新走时场神经网络和速度神经网络的模型参数，以使损失函数减小，其中，基于adam 优化器实现。

37、进一步的，步骤s5的具体实现方法为将步骤s1得到的数据测试集中的期望预测的模型空间中所有坐标点的位置，输入步骤s4完成训练的初至波走时层析成像网络模型中，输出期望预测的模型空间中的速度参数，得到近地表速度初至波走时层析成像预测结果。

38、一种基于多源信息融合的初至波走时层析成像方法的系统，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现所述的一种基于多源信息融合的初至波走时层析成像方法的步骤。

39、本发明的有益效果：

40、本发明所述的一种基于多源信息融合的初至波走时层析成像方法，直接对程函方程的求解，无需进行网格剖分过程，从而可以适应任意复杂地形条件，避免了网格剖分误差。

41、本发明所述的一种基于多源信息融合的初至波走时层析成像方法，利用自动微分实现对程函方程的求解，进而提高了程函方程求解的准确性。

42、本发明所述的一种基于多源信息融合的初至波走时层析成像方法，本发明将不同尺度的数据采集信息（微测井速度、地表地质露头层位信息）加入网络中约束反演过程，灵活的融合了各项约束，最大化的发挥了各类型信息的作用。同时，各项物理信息约束可以直接在损失函数里进行直观的添加，避免了对于多项约束在反演中复杂的求解过程。能够明显提升反演分辨率，减少反演的多解性，得到更准确的近地表速度初至波走时层析成像反演结果。