申请/专利权人:中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院
申请日:2019-08-30
公开(公告)日:2024-05-17
公开(公告)号:CN112444856B
主分类号:G01V1/28
分类号:G01V1/28;G01V1/40;G01V1/30
优先权:
专利状态码:有效-授权
法律状态:2024.05.17#授权;2021.03.23#实质审查的生效;2021.03.05#公开
摘要:本申请提供了一种基于深度学习的地震数据分辨率提高方法,包括:S10:获取地震及测井数据;S20:建立面向地震数据分辨率增强的深度网络训练模型;S30:利用所述深度网络训练模型对地震及测井数据进行深度学习训练,获取高分辨率的地震及测井数据。本申请利用深度学习方法和井震联合实现了对地面地震数据的自动增强,对地震及测井数据进行训练,提高了地震及测井数据的分辨率,为地震及测井数据分析提供了依据,从而为地震勘探技术的发展提供数据支撑。
主权项:1.一种基于深度学习的地震数据分辨率提高方法,其特征在于,包括以下步骤:S10:采集地震及测井数据;S20:建立面向地震数据分辨率增强的深度网络训练模型;S30:利用所述深度网络训练模型对地震及测井数据进行深度学习训练,获取高分辨率的地震及测井数据;步骤S20包括:S201:对实际采集的地震及测井数据进行正演,以获取正演数据;S202:根据正演数据以及井旁数据,得到训练数据;S203:根据实际采集的地震及测井数据获取训练标签;S204:根据所述训练数据和所述训练标签获取深度网络训练模型;步骤S203包括:S2031:对实际采集的地震及测井数据进行层位自动标定;S2032:通过地质模型随机重建的方式获取地质模型;S3033:根据所述地质模型以及井上标签获取训练标签,所述训练标签为反射系数;其中,所述对实际采集的地震及测井数据进行层位自动标定包括:将深度域数据转成时间域数据;所述通过地质模型随机重建的方式获取地质模型包括:将不同地质年代的地质模型的顺序随机打乱,打乱一次得到一个新的地质模型;步骤S203中,根据地震及测井数据中高分辨率的反射界面数据获取训练标签;步骤S30中,以地震及测井数据中低分辨率的反射界面数据为训练数据,对其进行深度学习训练。
全文数据:
权利要求:
百度查询: 中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院 一种基于深度学习的地震数据分辨率提高方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。