[发明专利]基于机器学习的地震数据多域处理方法及装置

说明书

本发明提供了一种基于机器学习的地震数据多域处理方法及装置，基于机器学习的地震数据多域处理方法包括：获取目标工区的地震数据；根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围。本发明所提供的基于机器学习的地震数据多域处理方法及装置，可以拓展地震数据处理时机器学习模型的维度范围，更加综合的判断地震数据的特征，从而提高使用机器学习处理地震数据的精度。

技术领域

本发明涉及石油勘探领域，尤其是地震数据处理技术，具体涉及一种基于机器学习的地震数据多域处理方法及装置。

背景技术

地震数据由地表激发震源经过在地下介质的传播后返回地表被接收，按照激发和接收的方式不同分成了多个域，不同的域中地震信号按照不同排列顺序进行组合，随着组合顺序的不同，地震信号在不同的域显示的特点也各不相同，因此地震数据处理过程中经常需要在不同的域根据待处理地震信号的特征开展处理。机器学习是人工智能领域的研究热点并已广泛应用于各个领域的数据处理之中。目前机器学习主要采用递归类的神经网络进行，部分采用多层网络被称为深度学习网络，包含输入和输出层的则称为前馈式深度学习网络。通过机器学习可以实现地震数据的自动化处理，处理过程无需人工干预。

但现有技术中，利用机器学习处理地震数据存在下面的问题：在不同的域进行地震数据的分析和处理是各自独立开展的，相互之间无法建立联系，无法相互补充。

发明内容

针对现有技术中的问题，本发明所提供的基于机器学习的地震数据多域处理方法及装置，可以拓展地震数据处理时机器学习模型的维度范围，更加综合的判断地震数据的特征，从而提高使用机器学习处理地震数据的精度。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种基于机器学习的地震数据多域处理方法，包括：

获取目标工区的地震数据；

根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围。

一实施例中，所述地震数据包括：共炮点道集、共检波点道集、共中心点道集、共偏移距道集以及共方位角道集数据；

所述多个域包括：共炮点数据域、共检波点数据域、共中心点数据域、共十字排列数据域、共偏移距数据域以及供方位角数据域。

一实施例中，所述根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围，包括：

根据所述地震数据以及所述机器学习模型确定其各自的多域特征参数以及所述多域特征参数的域范围；

所述多域特征参数包括：倾角、地震道能量与相邻地震道能量的平均倍数以及地震道与相邻地震道的时差。

一实施例中，所述机器学习模型为前馈式深度机器学习模型；生成所述机器学习模型的步骤包括：

根据所述地震数据的倾角、与相邻道能量的平均倍数、与相邻道的时差的相似度生成所述机器学习模型标签；

根据信噪比大于预设数值的地震数据以及所述机器学习模型标签对所述机器学习模型的初始模型进行训练，以生成所述机器学习模型。

第二方面，本发明提供一种基于机器学习的地震数据多域处理装置，该装置包括：

地震数据获取单元，用于获取目标工区的地震数据；

域范围确定单元，用于根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围。

一实施例中，所述地震数据包括：共炮点道集、共检波点道集、共中心点道集、共偏移距道集以及共方位角道集数据；