公开(公告)号：CN116559951A

公开(公告)日：2023-08-08

申请号：CN202310652408.6

申请日：2023-06-05

Applicant: 中国石油大学(华东)

Inventor： 李克文 ,  窦一民 ,  王立达 ,  李国庆 ,  刘文龙

IPC: G01V1/28 ,  G01V1/30

Abstract: 本发明涉及一种基于弱监督学习的地震数据声阻抗反演方法。其特征在于，获取地震数据和对应的测井，利用测井的声阻抗信息和雷克子波制作合成地震道，并进行井震匹配，将地震时间域转换为深度域；设计一种基于自编码器结构的3D卷积神经网络，用于学习地震数据中的声阻抗信息，实现地震数据的声阻抗反演；在地震数据中随机采样地震块，所采样的地震块区域必须包含测井；将采样后的地震块通过三线性插值到相同尺寸，地震块所包含的测井根据插值比例进行坐标平移；制作标签，将得到的地震块复制一份，测井位置用测井的阻抗数值进行填充，非测井位用NaN值填充，NaN作为标记，用以指示该位置是否包含测井信息；进入训练步骤，地震数据需加入随机尺度的噪声，以增强模型的鲁棒性；将地震数据输入卷积神经网络，用制作好的标签进行训练，优化器为基于梯度下降的优化器，损失函数为均方误差或L1损失，在计算损失时，仅计算测井位置体素所产生的损失，用NaN值进行标注的区域不做计算；重复重复训练步骤，直到达到规定的训练轮次，或在验证集达到一定准确率。