基于全卷积神经网络的地震初至波的自动拾取

摘要

当前，随着地震勘探的不断深入，采集技术的不断提高，高密度单点采集方式是地震数据采集的一个必然发展的方向，单位地震勘探工程得到的地震数据量也随之剧增。 在地震勘探过程中，炮点产生地震波之后，布置在地表或地下的检波器开始接收信号，称检波器最先接收到的有效地震波为“初至波”。初至波的拾取，是地震数据处理的一个基础而又重要的工作。随着勘探地形日渐复杂，初至波波形变化较大，各种波相互干扰，已有的初至拾取算法没能很好地工作。很多时候采用人机交互的方式，根据人工添加的辅助线来拾取初至波，面对海量的地震数据，初至拾取的工作量越来越大，这极大限制着数据处理的速度。 为了提高初至自动拾取的稳定性和高效性，减少初至波拾取耗费的人力，本文采用当前广泛研究的深度学习技术，在简要分析了已有的初至拾取算法以及研究了卷积神经网络之后，提出了利用卷积神经网络来拾取初至波。把初至拾取看做是二分类问题，初至波为一类，背景为另一类。参考全卷积神经网络在图像语义分割和边缘检测的成功应用，本文在学习已有的网络结构之后，搭建全卷积神经网络来进行初至波的拾取，实现了像素级别的预测。 文中详细叙述了利用全卷积神经网络在拾取初至波的整个过程，包括数据的获取、数据的处理以及数据的标注。本文搭建了三种不同深度的全卷积神经网络，对这三个网络进行测试，得到性能最优的网络结构。然后将性能最优的网络与商业地震数据处理软件TomoPlus自动拾取的结果进行对比，验证使用全卷积神经网络拾取初至波的高效稳定性。 本文把当前迅猛发展的深度学习技术应用到地震勘探领域，提出了利用全卷积神经网络来拾取初至波的新算法，这是本文的一个主要的创新点。通过对不同深度的神经网络进行测试，选取性能最优的网络，并与TomoPlus拾取的结果进行对比，实现了对地震勘探数据高效稳定的拾取。

目录

声明

摘要

表格

插图

第一章绪论

1．1课题研究的背景

1．2初至波拾取技术的研究现状

1．3深度学习技术的研究现状

1．4主要研究内容及论文结构安排

1．4．1主要研究内容

1．4．2论文结构安排

第二章初至波拾取的基本理论依据

2．1已有的初至波拾取算法

2．1．1最大能量法

2．1．2能量比值法

2．1．3人工神经网络法

2．1．4图像法

2．2卷积神经网络

2．2．1 卷积神经网络的结构

2．2．3全卷积神经网络的特点

2．3深度学习框架TensorFlow

2．3．1 TensorFlow的架构和特性

2．3．2数据可视化TensorBoard

第三章初至波拾取的数据处理

3．1数据的获取

3．1．1模拟地震数据

3．1．2真实地震数据

3．2数据的处理

3．2．1数据集增强

3．2．2训练数据的归一化

3．2．3标签数据的标注

第四章初至波拾取的实现

4．1 基于全卷积神经网络初至拾取的方法

4．2全卷积神经网络的搭建

4．2．1 全卷积神经网络的结构

4．2．2网络参数

4．3实验与分析

4．3．1实验平台

4．3．2前期实验

4．3．3实验结果分析

第五章总结与展望

5．1 主要研究工作和创新性结果

5．2需要进一步提高的内容

参考文献

附录

致谢

在读期间发表的学术论文与取得的其他研究成果