0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

基于深度学习的地震波逆时偏移补偿方法

恬静简朴1 来源:恬静简朴1 作者:恬静简朴1 2022-10-15 10:13 次阅读

基于深度学习的地震波逆时偏移补偿方法

韩连福,柴子威,宋利伟,刘兴斌,付长凤

(1•东北石油大学物理与电子工程学院,黑龙江 大庆163318;2•中国石油大庆油田有限责任公司人才开发院,黑龙江 大庆163318)

摘要:逆时偏移作为重要的地震偏移技术,已经成为复杂构造成像的有力工具。地下构造的强衰减体引起地震波 振幅减弱和相位失真,直接影响地下有效油气储层的识别精度,而现有逆时偏移补偿技术具有计算复杂、补偿精度低等不足。为优化计算、提高补偿精度,提岀一种基于TensorFlow框架的震波逆时偏移补偿方法,将传统循环 生成对抗网络(CycleGAN)与注意力机制(Attention)相融合,将交叉爛损失函数与感知损失函数结合成新的损失函数,最后得到补偿后的地震波特征图。实验表明,基于深度学习的地震波逆时偏移补偿方法补偿平均误差为 3. 71 %, 低于现有基于广义S变换反Q滤波方法的平均误差为4・59%, 证明了该方法对地震资料的处理与解释的可行性。

引言

逆时偏移成像技术已经广泛应用于地震勘探中,但根据双程波动方程和时间一致性成像等原理,逆时偏移会产生一定的低频噪声。低频噪声会造成地震波的衰减,且由于地下不均匀地层发生摩擦生热造成振幅固有衰减,地震波振幅还会随着传播距离的增大而发生几何衰减。地震波逆时偏移补偿中,常用的方法有最小二 乘反演吸收衰减补偿法、求解拉普拉斯算子的解耦 黏滞声波方程法、求解补偿方程的波数域格林函数 等啓幻,这些方法存在着依赖于正演且计算复杂度较 高的缺点。深度学习具有能够自适应性学习的特点,在地震波逆时偏移补偿中具有广泛的应用前景李金丽等闪用黏滞声波逆时偏移方法对地震波衰减进行了补偿,赵岩等提出一种自适应增益限反Q滤波方法,李添才等提出一种基于相速度的旅行时计算方法,在吸收衰减介质成像方面引入多尺度Gabor变换进行有效的相位和振幅补偿,LIN J等固通过字典学习方法进行地震波补偿。这些方法存在计算复杂度高的特点,而且在复杂强衰减地质中补偿效果不理想。为简化反演计算复杂度、提高在强衰减地质中地震波逆时偏移补偿精度,提出一种基于深度学习的地震波逆时偏移补偿方法,利用循环生成对抗网络直接从波场角度对有衰减的波形进行补偿处理,通过与注意力机制相融合,成功补偿了波形的振幅衰减和相位失真。实验结果表明,该方法修正了常规方法中存在的滤披去噪不彻底,改变了成像数据的振幅和相位信息等不足,补偿平均误差为 3. 71%, 低于现有研究资料中基于广义S变换反Q滤波补偿方法平均误差4. 59%。在保证去噪效果的前提下保证了波形数据振幅和相位信息的相对不变,具有广泛的实际应用价值。

1基于深度学习的地震波逆时偏移补偿模型

1.1地震液逆时偏移补偿算法原理

基于深度学习的地震波逆时偏移补偿,算法采用循环生成对抗网络(CycleGAN〉与注意力机制(Attention)相融合。CycleGAN主要由生成器和判别器2部分构成。生成器负责将潜在空间采样点生成的地震波特征图与判别器进行比较,经过生成器不断优化和学习,直到生成器生成特征图的概率分布与判别器一致,成功“骗”过判别器[如o Attention模拟了人类大脑注意力资源分配方法,通过概率分配的方式,提高对特征图重点区域的关注,以获取更多重要的细节,减少或忽略特征图中除了波形之外其他部分的干扰口叮。如图1所示,训练黏性地质地震波有无衰减这2种形态特征图,构建模型,通过分别训练判别器和生成器,二者相互博弈,直到达到平衡,判别器无法辨认出生成器生成的特征图,实现通过深度学习完成对波形衰减的补偿。

图1逆时偏移补偿算法原理

1.2模型结构设计

利用深度学习实现对地震波逆时偏移衰减补偿示意图见图2。把炮点处产生的没有衰减的地震波数据集设为A域,把经过黏性地层后检波器接受到的有衰减的地震波数据集记为£域。Gab为经过反复训练和学习对衰减信号的生成器,张为补偿衰减后的波形生成器,Db为有衰减的地震波判别器,负责判别输入波形是生成器生成的有衰减的地震波还是真实的有衰减的地震波,输出为0或1。经过注意力机制的融入,通过训练不断优化生成器和判别器,提高生成器“欺骗”能力和判别器的“侦察”能力,最终实现生成器生成的没有衰减的地震波图像成功“骗”过判别器,从而实现补偿。

1.3损失函数的改进

损失函数是深度学习网络的关键所在,常见的交叉購损失函数口幻能够比较生成器生成的地震波波场图与无衰减的地震波波场图像素间的损失,却无法宏观上比较二者结构的相似性,不适用于地震波逆时偏移补偿。该算法采用基于像素级的交叉爛损失和感知损失相融合的改进型混合损失函数。改进型的混合损失函数成功融合了这2种损失函数的优点,既可以计算预测目标地震波波形图中像素间的损失,又可以比较相似图像间的高级感知和语义差异,提高对低分辨率地震波形图特征的重构能力口現由于该模型设计应用于地震波逆时偏移补偿,因此,有无衰减的地震波皆为同地质区块同炮处的检波器接收的地震波,从而有衰减待补偿的地震波与震源处发出地震波具有结构相似性。改进型的混合损失函数更容易使模型收敛,更适用于此项目°

式(1)可分别表示判别器和生成器改进型的混合损

(1) 式中,畑为batch中模型网络第Z层的第池个像素的目标标签值;為,为batch中模型网络第I层的第死个像素的预测概率;G、H,、Wz为第Z层的feature_map的血e,即通道数、长、宽;D(畑)为判别器中第Z层的第九个像素的目标标签值为判别 器中第I层的第宛个像素的预测概率;G(仇丿为生成器中第I层的第n个像素的目标标签值;L为网络层数;N为1个batch中像素数量。

2实验过程及结果分析

2.1地震波逆时偏移补偿模型训练

网络结构使用Tensorflow 实现,批数量为16, 优化方法采用批量随机梯度下降法在CUDA10. 0架构平台下计算学习率为0. 001, 训练迭代次数为200, 用CuDNN7. 5. 0神经网络计算库加速运算。

网络训练前,先利用数值模拟方法构建1个衰减模型,震源选择Ricker子波进行正演然后基于Kolsky衰减模型合成有衰减的地震信号,白噪反射系数序列,时间采样间隔dr为0. 003 最大延续时间仏为1. 2 s,品质因子Q为80, 主频为80 Hz。实验将模拟地震信号波场快照为地震波数据集,引入注意力机制防止模型过拟合。在时频域内进行地震波能量衰减补偿。结果见图3O图3(a)为通过Ricker子波数值模拟的无衰减的地震波及其时频图,在1. 2 s内可见6个明显波峰,地震波振幅越大的位置对应时频图内能量越大、颜色越深。图3(b)为数值模拟出的通过黏性地层后有衰减的地震波,在0.18 s之后振幅和相位衰减较为严重,衰减朝低频方向移动。图3(c)为通过CycleGAN地震波逆时偏移衰减补偿模型处理后的波场时频图及重构的地震波,对比图3(b)在对应波峰处能量衰减得到了补偿,在0. 5〜0・9 s处存在明显的过度补偿,这是模型过拟合导致的。图3(d)为融入注意力机制的CycleGAN地震波逆时偏移衰减补偿模型处理后的波场时频图及重构的地震波,减少了图3(c)的过度补偿现象,补偿效果较理想。

图3模拟地JR波波场频谱图

2.2地震波逆时偏移补偿模型的评价与分析

采用Q值法和感知哈希算法衡量模型对地震波的补偿效果。品质因子Q是在1个波长距离内振动损耗的能量与总能量之比的倒数,它是能够衡量地震波能量衰减和频散的重要参数。感知哈希算法用于比较2张图片之间像素的相似度,该算法评价的原理是将无衰减的地震波波场图和生成的补偿后的地震波图像分别从像素域转换到频域,通过保留频率系数矩阵左上角的区域元素计算图像的哈希值,再计算2张地震波图片哈希值的汉明距离,从而得到2张地震波图像的相似度。

实验选取了 4组不同Q值进行误差分析,从2种模型预测的波场图中提取对应的预测Q值与真实Q值进行对比。表1展示了CycleGAN补偿模型与CycleGAN+Attention补偿模型预测Q值与真实Q值的对比情况以及误差分析。通过模型试算得出:CycleGAN补偿模型预测Q值平均误差为4.19%, 融入注意力机制的CycleGAN衰减补偿模型预测Q值平均误差为3. 71%, 均低于现有从广义S变换角度计算得出的Q值平均误差4. 59%, 而且融入了注意力机制的CycleGAN模型预测值误差更低,拟合效果更好。

表1 2种模型预测的Q值误差分析

比较了相同时间切片处采用CycleGAN补偿模型与CycleGAN +Attention补偿模型处理的地震波图像的哈希值,图4展示了训练时期(epoch)为200时每一轮中通过感知哈希算法计算2种模型补偿地震波的准确率。

分析得出:随着训练epoch数的增加,2种模型对于地震波逆时偏移衰减补偿的准确率整体上逐渐提升。在98个epoch之后2种模型预测准确率趋于相对稳定,且融入注意力机制补偿模型预测值平均准确率为81.15%, 好于普通CycleGAN模型预测值平均准确率75.01%。再次验证了地震波逆时偏移补偿模型在融入注意力机制后从波形结构相似性上效果更理想,对地震资料的衰减处理具有一定的应用价值。

图4通过感知哈希算法评价2种模型预测准确率

3结论

(1) 提出一种基于深度学习的地震波逆时偏移补偿方法,将地震波从波数域获取的波场图作为数据集,将CycleGAN算法与注意力机制相融合完成图像生成。

(2) 采用融入注意力机制的CycleGAN算法对地震波做逆时偏移衰减补偿处理,模型预测值的误差低于现有基于广义S变换方法的平均误差4.59%, 验证了该方法的可行性及优越性。

(3) 将损失函数改进成交叉爛损失函数与感知损失函数混合型的损失函数,更适用于强衰减地层中对地震波的补偿。未来可以将该模型推广应用到不同的地质勘探坏境中,具有广泛的应用潜力。

审核编辑:汤梓红

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 补偿
    +关注

    关注

    1

    文章

    107

    浏览量

    19661
  • 深度学习
    +关注

    关注

    73

    文章

    5500

    浏览量

    121117
  • tensorflow
    +关注

    关注

    13

    文章

    329

    浏览量

    60528
收藏 人收藏

    评论

    相关推荐

    求助地震波神经网络程序

    求助地震波神经网络程序,共同交流!!
    发表于 05-11 08:14

    家用地震早期预警设备

    ,ShakeAlert旨在迅速探测地震的发生,估计震级,在地震波造成重大破坏前发出预警。目前,在破坏性的地震波到达数分钟后,ShakeAlert可以通过电子邮件和Twitter发出地震
    发表于 09-22 14:57

    地震预警

    做一个地震预警系统:地震波的传播速度是每秒3公里的速度向外传播,如果做很多传感器去捕捉这个地震波,再把捕捉的信息显示在屏幕上,就会看到一个环状向外扩散,这样就就能预测哪里发生地震。如果
    发表于 05-18 20:00

    九寨沟7.0级地震DrDAQ检测地震波

    据中国地震台网正式测定,8月8日21时19分在四川阿坝州九寨沟县(北纬33.20度,东经103.82度)发生7.0级地震,震源深度20千米。地震波是由
    发表于 08-09 09:08

    ADS1282的数据手册中给出的测量地震波的典型参考电路中为什么REF5025的GND要接-2.5V?

    ADS1282的数据手册中给出的测量地震波的典型参考电路中为什莫REF5025的GND要接-2.5V?
    发表于 05-22 12:51

    用数值模拟格林函数方法合成近源地面运动地震

    用数值模拟计算所得小地震波形代替经验格林函数法中的观测小地震波形,合成1995神户地震震源附近强地面运动理论地震图.数值模拟计算的小地震波
    发表于 04-10 17:10 19次下载

    基于一致性稀疏表示CSR的地震波补全算法

    针对由于记录仪器的故障和保存媒介的缺陷导致的地震信号中一部分波形出现的缺失,提出一种基于一致性稀疏表示(CSR)的地震波补全算法。首先,通过稀疏表示(SR)模型表示每一帧地震信号;随后,采用主分量
    发表于 12-21 14:14 1次下载

    中国地震局将与小米携手启用我国首个手机地震监测预警网

    在成都高新减灾所与小米联合召开的新成果发布会上,王暾说,传统地震预警网是通过在地震区安装密集的地震监测仪,利用地震时电波比地震波快的原理,在
    的头像 发表于 06-09 09:24 2289次阅读
    中国<b class='flag-5'>地震</b>局将与小米携手启用我国首个手机<b class='flag-5'>地震</b>监测预警网

    地震波探测器如何进行气密性防水检测

    就会大大降低。地震波探测器的出现就是为了能检测出地震信号,这些检测设备一般都在户外使用,面对户外环境如果防水性能不过关就会使得震波探测器因进水而导致探测器失效,就不能很好的发挥应有的作用,因此必须要做
    发表于 07-28 10:06 647次阅读

    LHA9954用于地震波检测应用的低噪声、低功耗解决方案

    地震波不仅指地震产生的运动,而是施加在地面上的任何力,即便是人在地面上走路那么小的力,都可能产生的扰动。地震波检测相关应用属于典型的工业级精密数据采集系统,并且需要兼顾低功耗和超低噪声。
    的头像 发表于 12-01 11:24 1740次阅读

    基于深度学习地震波逆时偏移补偿方法

    损失函数结合成新的损失函数,最后得到补偿后的地震波特征图。实验表明,基于深度学习地震波逆时偏移
    的头像 发表于 01-29 16:43 1189次阅读
    基于<b class='flag-5'>深度</b><b class='flag-5'>学习</b>的<b class='flag-5'>地震波</b><b class='flag-5'>逆时偏移</b><b class='flag-5'>补偿</b><b class='flag-5'>方法</b>

    基于深度学习地震波逆时偏移补偿方法

    逆时偏移作为重要的地震偏移技术,已经成为复杂构造成像的有力工具。地下构造的强衰减体引起地震波 振幅减弱和相位失真,直接影响地下有效油气储层的识别精度,而现有
    的头像 发表于 01-30 01:00 566次阅读
    基于<b class='flag-5'>深度</b><b class='flag-5'>学习</b>的<b class='flag-5'>地震波</b><b class='flag-5'>逆时偏移</b><b class='flag-5'>补偿</b><b class='flag-5'>方法</b>

    地震波如何揭示地球的分层结构

    地震发生时,它会产生纵波和横波,从震源向外辐射。地震仪是一种测量地面运动的仪器,可以探测到这些地震波。通过分析这些波到达世界各地不同地点的时间和振幅,我们可以了解它们如何与地球不同层的相互作用。
    的头像 发表于 03-10 11:10 1568次阅读

    【产品应用方案】LHA9954用于地震波检测应用的低噪声、低功耗解决方案

    地震波不仅指地震产生的运动,而是施加在地面上的任何力,即便是人在地面上走路那么小的力,都可能产生的扰动。地震波检测相关应用属于典型的工业级精密数据采集系统,并且需要兼顾低功耗和超低噪声。
    的头像 发表于 01-13 17:14 1731次阅读
    【产品应用方案】LHA9954用于<b class='flag-5'>地震波</b>检测应用的低噪声、低功耗解决方案

    地震预警到底是如何实现的呢 地震的预警机制是如何建立的

    由于地震波作为一种机械波,其传播速度要远慢于电磁波。所以,在地震发生时,预警感应装置在监测到地震波后,将信息传输到预警中心,预警中心通过计算确定是否需要发布预警信息,一旦地震影响达到响
    发表于 08-10 11:12 1078次阅读
    <b class='flag-5'>地震</b>预警到底是如何实现的呢 <b class='flag-5'>地震</b>的预警机制是如何建立的