共查询到20条相似文献,搜索用时 0 毫秒
1.
传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低。为此,将U-Net与SegNet深度学习网络的优点相结合,构建新的混合网络U-SegNet,并基于U-SegNet自动拾取初至。U-SegNet以SegNet结构为基础,通过在解码器网络的反卷积层之前融合跳跃连接信息,提供编码器网络的多尺度信息,以获得更好的性能,并且其上采样操作将U-Net中的反卷积改为反池化,池化索引被传递到上采样层,网络模型收敛更快。因此,U-SegNet网络结构更利于分割背景噪声区域和含噪信号区域,从而提高初至拾取精度。基于U-SegNet的初至自动拾取流程包括制作训练数据集、设计网络模型、训练网络模型、测试网络模型和实际资料应用。测试和应用结果表明,所提方法的初至拾取效率约为某商业软件的2.2倍,且易于工业化应用,具有良好的发展前景。 相似文献
2.
《石油工业计算机应用》2019,(Z1):13-16
基于残差的优化卷积神经网络—深度残差网络(ResNet)能够对图像进行有效的识别分类。将深度残差网络应用于地震数据的初至识别,借助Hadoop分布式批处理计算系统和TensorFlow人工智能学习平台开发了基于残差网络深度学习的初至波自动拾取软件。采用不同地区、不同震源类型和不同地表的地震数据对深度残差神经网络模型进行训练和验证,最终得到一个精度较高的地震初至自动拾取网络模型。本文总结了深度残差网络的基本方法原理、初至波自动拾取软件实现的关键步骤、地震初至自动拾取网络模型的训练、并验证了拾取效果和效率。 相似文献
3.
随着地震勘探地区的复杂化和地震装备及采集技术的发展,采集到的中低信噪比地震数据数量急剧增加,传统的初至拾取方法由于效率低、精度差己不能满足资料处理需求。针对这一问题,在充分分析传统语义分割网络方法基础上,提出了一种由编码器和解码器两部分组成的端到端的深度学习网络模型融合自注意力机制的空洞卷积空间金字塔池化(Adaptive Aggregation Net, AANet)。实验结果表明,训练后的网络模型能够高质量地拾取中低信噪比地震数据中的初至时刻,在测试集中的预测评价指标均交并比(Mean Intersection over Union, MIoU)达到99.9%。AANet提高了中低信噪比地震数据初至拾取的精度和效率,有良好应用前景。 相似文献
4.
微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题。近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较低,且忽视了微地震数据中相邻道初至之间的关联性。针对上述问题,将微地震初至发生前、后看作是图像二分类问题,提出了一种应用图像语义分割网络的微地震事件识别和初至自动拾取方法。应用在矿井中采集的实际微地震数据进行实验,结果表明,对包含岩石破裂、工程爆破等多类型微地震事件,该方法的识别准确率较现有的深度学习方法明显提高,平均拾取误差大幅降低,特别是低信噪比数据的平均拾取误差远小于LSTM法,因而具有良好的实际工程应用价值。 相似文献
5.
6.
初至拾取是近地表静校正处理的重要步骤之一.随着采集密度的不断提高,地震数据量不断增加,迫切需要发展新的方法解决大数据量的初至自动拾取问题.传统方法通过人工交互拾取和质量控制,在面对庞大数据量的高密度数据时效率很低,而基于深度学习的初至自动拾取方法效率较高.在用于初至自动拾取的各种深度学习算法中,全卷积神经网络(FCN)... 相似文献
7.
为了提高初至拾取精度和效率,研究了BP神经网络初至拾取方法,提出综合动量法和可变学习速度的BP神经网络地震初至拾取方法,其主要原理是对网络权值的更新过程进行改进,当均方根误差在权值更新后超过设定的误差范围,则权值更新取消;在既定的误差范围内,权值更新则被接受,且学习速度发生变化。分析不同地震属性对初至波识别的可行性,选取均方根振幅比、曲线长度比、振幅、频率等4种特征属性进行模型测试,结果表明改进方法的初至拾取效果优于常规BP神经网络方法。实际资料测试验证,改进方法构建的网络结构简单,参数少,收敛速度快,具有较强稳定性和抗噪能力,初至拾取精度高。 相似文献
8.
以生成对抗网络(GAN)为代表的深度学习模型在地震数据重建中取得了较好效果,但普通GAN网络的重建结果常存在模糊、假频等缺点。主要原因是:普通卷积模型在对缺失较大的数据进行卷积时,其卷积结果主要受缺失区域的影响,而有效区域的影响较小;且普通卷积模型属于局部操作,卷积结果主要受卷积核内数据的影响,而相距较远的数据对其影响甚微。为此,文中提出了融合部分卷积和注意力模型的改进GAN网络。首先,在卷积过程中引入一个比例因子r实现部分卷积,从而强化有效区域对卷积结果的影响;然后,利用注意力机制选择余弦相似度高的有效(背景)数据,以突破卷积距离的限制,使更多背景数据参与缺失区域的重建。数据处理结果表明,所提方法显著改善了重建数据中的模糊、假频等现象。 相似文献
9.
本文提出了一种基于局部相似属性的初至自动拾取方法。首先是由炮记录中的地震道计算其局部互相关相似属性,形成局部相似属性道;然后根据粗略估计的近地表速度和炮检距对炮集中的每一道计算一个初至搜索中心,并以此中心确定每一道的搜索范围;最后将这些局部属性道作为能量比法的输入,计算局部相似属性道的能量比曲线,取搜索范围内能量比曲线的最大值所在位置为初至时刻。模型数据和实际资料试验结果表明,该方法具有一定的抗噪性能,且易于使用。 相似文献
10.
张岩;张一鸣;董宏丽;宋利伟 《石油地球物理勘探》2024,(4):714-723
在实际采集过程中,受地形条件和人为因素的影响,地震数据不仅在空间上会出现采样不足或不规则的情况,而且会混入噪声,不利于后续地震数据的处理和解释。通常将重建与去噪分为两个阶段处理,这样往往会引入额外的误差。为此,文中提出了一种基于条件韦氏生成对抗网络(cWGAN)的地震数据重建去噪一体化方法,该方法研究的重点是在缺失道和噪声的混合干扰下,准确提取地震数据的有效特征。首先,以U-Net模型为基本网络结构来构建生成器模型,分级提取地震数据同相轴特征;在判别器模型中引入条件约束,引导生成器优化梯度方向。其次,建立重建和去噪误差描述模型,该模型设计了一体化损失函数,可以兼顾重建与去噪两方面的处理任务。最后,经过合成数据和实际数据测试,证明文中所提的网络模型恢复的地震数据信噪比更高且具有较强鲁棒性。 相似文献
11.
对地震数据进行断层解释一直是油气勘探开发过程中的一项重点工作.传统的断层解释主要是以人机交互方式进行的,效率低,并且人为因素可能增大断层解释结果的不确定性;而常规的断层识别方法则通常需要设置多个控制参数,导致断层识别的结果严重依赖参数设置的准确性.为此,提出一种基于卷积深度神经网络的地震数据断层识别方法,该方法利用Re... 相似文献
12.
识别裂缝是油气储量评价和产能预测的关键。目前识别裂缝主要采用基于人机交互的方法,该方法耗功耗时且易受主观因素影响,因而对裂缝的识别不够精确。为此,提出利用条件生成对抗网络(CGAN)识别图像中的裂缝。CGAN通过训练给定的图像和对应标签图像,提取训练图像和标签中的特征,以此特征识别图像中的信息。利用CGAN识别模拟图像中的正弦形态裂缝,识别裂缝准确率达93.4%。CGAN对地层微电阻率扫描成像(FMI)图像中的水平缝和低角度缝识别准确率为90%。研究结果表明,和蚁群算法相比,CGAN是一种效果好、速度快及抗干扰能力强的计算机自动识别裂缝方法。 相似文献
13.
针对传统BP神经网络存在的问题,引入一种神经网络构造算法——级联相关(CC)算法。该算法具有比BP算法更快的收敛速度,能根据待解决问题自行确定网络结构,即能随时扩展网络拓扑结构以学习新样本。常规CC算法的初始网络只包含输入层和输出层。改进的CC算法起始于适当的BP网络结构(存在隐含层);且为了防止权值病态递增,在训练候选隐含神经元的目标函数中加入了正则化项,对权值进行衰减。仿真试验表明:改进的CC算法具有更快收敛速度、更强泛化能力;瞬时强度比、振幅、频率、曲线长度比、相邻道相关性等五种地震属性特征交会图显示对初至波具有稳定的区分能力。本文构建的神经网络初至拾取方法在实际资料应用中取得了良好效果。 相似文献
14.
早期基于机器学习的地震相聚类分析依赖地震属性种类的选择与组合,结果具有很强的主观性,而数据驱动下的深度学习可以规避该缺陷。因此,利用深度学习技术,采用自编码网络架构,通过嵌入编码(Embedding Code)对地震数据进行抽象表示;引入聚类损失函数与重建损失函数,建立联合损失函数并优化,使学习到的地震特征既能重建地震数据,又具有较好的聚类能力。鄂尔多斯盆地A致密气探区实际应用结果表明:经过500次迭代后,嵌入编码已具有明显的聚类特征,同时能很好地恢复原始地震信号,相对误差小于5%;与均方根振幅属性相比,基于深度嵌入网络的地震相聚类技术计算的地震相图刻画河道更准确、细节更丰富;比K-Means聚类算法预测结果的井震符合率更高,可达89.3%。 相似文献
15.
易思梦;唐东林;赵云亮;李恒辉;丁超 《石油地球物理勘探》2024,(4):899-914
地震初至拾取可以提供关于地下结构和地震活动的重要信息,对于地震勘探和地质研究具有重要意义。在低信噪比数据上如何自动准确地拾取初至波备受关注。文章综述了基于人工智能的地震拾取方法,对聚类、支持向量机、反向传播神经网络、卷积神经网络和循环神经网络等五类方法的原理、特点和发展历程进行了阐述。聚类、支持向量机和反向传播神经网络相对直观和可解释,但需要人工提取特征;卷积神经网络和循环神经网络能自主学习地震数据特征,但需要大量有标签数据驱动。最后,探讨了地震初至拾取所面临的挑战和未来的研究方向,指出极低信噪比初至拾取的实时性和网络的轻量化需要继续推进。 相似文献
16.
野外采集的地震数据通常会存在地震道缺失的问题,对其进行重构一直是地震资料处理中的一个难题。目前使用深度学习(Deep Learning,DL)方法重构地震数据主要采用完整地震数据作为标签训练网络模型的监督学习方式,然而对实测野外数据很难获得准确的标签。对大量训练样本的依赖影响了DL方法在地震数据重构中的应用。为此,提出了一种基于残差网络的无监督DL的地震数据重构方法。该方法无需使用完整的地震数据作为训练集训练残差网络,而是以随机数据作为残差网络的输入,以含缺失地震道的地震数据作为网络的期望输出。通过对网络预测与期望输出之间的误差的反向传播,迭代优化网络参数,使网络与期望输出间的误差达到最小,获得参数最优的残差网络,并用该网络重构缺失的地震数据。在网络参数优化过程中,利用卷积的局部和平移不变性质,用卷积滤波器学习多尺度下地震数据邻域之间的相似特征,并在网络输出中呈现学习到的这些先验特征。使用所提方法重构Marmousi模型模拟地震资料和实测海洋拖缆资料中规则和不规则缺失的记录道,并与传统的快速凸集投影软阈值(FPOCS-Soft)方法的结果进行对比,结果表明,无监督残差网络方法可有效重构缺失地震道,准确性高、连续性好,精度高于FPOCS-Soft方法。 相似文献
17.
本文提出了一种处理三分量宽带井间资料的方法,目的是压制尾波信号,分离开重叠在一起的波场分量。其基础是:当用小道距检波器接收,或由小炮点距震源激发时,尾波的相关度减小。具体实现方法是通过把信号变换到时间-频率域,并计算相邻射线传播信号各个时刻的瞬时相关度,得到相干波的高相干时间-频率域。由此认别出地震记录中的直达P波、S波、反射波和转换管波等不同波型。本文还提出了一种计算地震信号中不同波型初至时间的可靠方法。这种方法具有很高分辨率。 相似文献
18.
针对常规语义分割网络在初至拾取中存在的精度低、泛化能力差等问题,基于U-Net网络,结合残差学习模块和亚像素卷积方法,构建了一种超分辨率深度残差网络的初至智能拾取方法(SD-Net)。该方法使用具有跳跃连接的U型网络融合地震数据的多尺度信息,通过端到端的训练方式简化工作。首先,在SD-Net的下采样阶段引入残差学习模块,克服深层网络退化问题,有效提高对地震数据的学习能力;其次,上采样阶段采用亚像素卷积方法,通过卷积和多通道间的像素重组实现特征图超分辨率重建,以更高精度定位初至;另外,利用迁移学习将模型应用于中、低信噪比模拟数据,仅需少量标注数据即可训练得到最优初至拾取模型。实际算例表明:与U-Net方法相比,SD-Net训练效率明显提高;网络模型具有更高准确率和鲁棒性;迁移学习模型预测的结果验证了SD-Net具有较强的泛化能力;该方法在实际生产应用中对实现高效、准确的初至智能拾取具有重要意义。 相似文献
19.
数据规则化是地震资料处理的关键步骤之一,基于物理建模的传统方法计算量大且不具备广泛适用性。当前基于卷积神经网络的地震数据规则化方法通常局限在时域,尤其在低采样率条件下,重建数据过于平滑,纹理细节信息损失严重。小波分析具有多尺度、多方向的特性,更适于表示二维数据的纹理特性,可以聚焦地震数据信号的细节信息。为此,提出一种联合小波域的卷积神经网络模型,学习地震数据在时域与小波域的联合分布特征以逼近实际数据,将不规则地震数据重建问题转化为在卷积神经网络框架下各尺度不同方向分量的小波系数预测,重建规则化的地震数据;构建时域与小波域的联合损失函数,结合地震数据的整体分布和局部细节特征,约束网络模型,通过修正联合损失函数的权重调整卷积神经网络学习的注意力,提高重建地震数据信噪比。实验结果表明,与其他方法对比,该方法细节保持效果更好,对地震数据缺失位置不敏感,更具鲁棒性。 相似文献
20.
针对水力压裂微地震监测信号信噪比普遍偏低,难以准确拾取初至的问题,提出了一种基于特征函数构建的峰度和小波多尺度分解的P震相初至精确拾取方法。首先利用小波多尺度分解法提取低信噪比微地震数据的主成分,进而构建针对主成分数据的特征函数,并计算该特征函数序列的峰度值,最终将峰度曲线的全局最大斜率定义为P震相的初至。与传统峰度法、小波分解和高阶统计量联合方法相比,该方法能够显著减小拾取误差。将该方法应用于不同信噪比的模拟微地震数据的P震相初至拾取,结果表明:其拾取误差为0.030 2×10-3~1.300 2×10-3 s,同时,相比于小波分解与高阶统计量联合方法,其计算效率稍有提高。将该方法应用于实测微地震数据的P震相初至拾取的结果表明,与人工拾取和传统峰度法相比,拾取结果更接近于人工拾取结果,具有更高的准确率。 相似文献