基于模型驱动深度学习的地震超分辨反演方法

    公开(公告)号:CN112083482A

    公开(公告)日:2020-12-15

    申请号:CN202010784646.9

    申请日:2020-08-06

    IPC分类号: G01V1/28 G01V1/36

    摘要: 本发明公开了一种基于模型驱动深度学习的地震超分辨反演方法,包括以下步骤:1)将模型驱动的交替方向乘子法ADMM中的每一次迭代映射到深度网络中的每一层,并利用数学驱动的方法来学习近端映射,完成深度网络ADMM‑SRINet的搭建;2)获取用于训练深度网络ADMM‑SRINet的标签数据;3)利用获取的标签数据对深度网络ADMM‑SRINet进行训练;4)利用步骤3)训练好的深度网络ADMM‑SRINet对待测数据进行反演。该方法结合了基于模型驱动的优化方法和基于数据驱动的深度学习方法的优点,使网络结构具有可解释性;同时,由于物理知识的增加,迭代深度学习方法减轻了对训练集的要求,使反演结果更加可信。

    一种基于核相关的地震数据属性提取方法

    公开(公告)号:CN109975870A

    公开(公告)日:2019-07-05

    申请号:CN201910325237.X

    申请日:2019-04-22

    IPC分类号: G01V1/28

    摘要: 本发明公开了一种基于核相关的地震数据属性提取方法,包括1)地震道的选择;2)核相关度量的计算;3)核相关矩阵的构建;4)地震道属性值的计算。本发明能实现地震属性中相干属性的提取,引入核相关函数,通过构建核相关矩阵,计算矩阵特征值等步骤,进而实现地震数据相干属性的提取。方便实现,能实现对地层地质的边缘、河道等不连续性检测和砂体的非均质性以及断层等地质特征的精细刻画,技术方案易于实现,可操作性强。