买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了一种基于深度学习的VSP数据波场分离方法，首先整理工区数据并进行数据预处理，然后利用地质层位约束，建立地质模型构造格架，再获取测井参数并进行重采样，利用测井分层数据约束，对重采样之后的测井参数进行横向插值，利用插值得到的测井参数填充地质模型构造格架，形成完整的地质模型，然后进行VSP正演模拟，模拟VSP上下行波场数据，将上下行波场数据相加得到全波场数据，最后利用上下行波场数据和全波场数据训练神经网络，得到VSP数据波场智能分离网络并运用到实际工区的VSP数据，根据分离效果及精度进行波场分离网络的参数调整。本发明的方法提高了VSP数据波场分离的精度，适用于常规零偏、非零偏、多分量Walkaway以及光纤VSP数据的波场分离。

主权项：1.一种基于深度学习的VSP数据波场分离方法，具体步骤如下：S1、整理工区数据并进行数据预处理；首先根据实际目标工区的情况整理工区数据，包括：测井曲线、地质层位、测井分层数据；其中，所述测井曲线包括：声波时差测井曲线和密度测井曲线；然后对整理后的工区数据进行预处理，所述预处理包括：对缺失的声波时差测井曲线和密度测井曲线进行补全，确保声波时差测井曲线和密度测井曲线在深度上保持一致，对异常的声波时差测井数据和密度测井数据进行剔除；S2、利用步骤S1整理得到的地质层位进行约束，建立地质模型构造格架；S3、测井参数获取；利用步骤S1中预处理后的声波时差测井曲线，进行转换，得到纵横波时差曲线数据，将纵横波时差曲线数据转换为纵横波速度数据；步骤S1中预处理后的密度测井曲线得到的密度数据即密度参数；然后对纵横波速度和密度参数进行重采样，且重采样之后的纵横波速度数据和密度数据由测井曲线的小间隔变为更大的间隔；S4、测井参数横向插值；利用测井分层数据约束，建立与地质模型格架相同的连井格架，基于连井格架对重采样之后的纵横波速度和密度参数进行横向插值，且采用的差值算法为线性内插法；S5、地质模型建立；利用步骤S4插值得到的纵横波速度和密度数据填充步骤S2建立的地质模型构造格架，得到完整的地质模型，且不同的采样间隔得到不同的地质模型；S6、VSP正演模拟；基于步骤S5中建立的不同的地质模型，设置不同的模拟参数，所述模拟参数包括：正演子波类型，子波频率的频率范围，模拟的VSP记录时间和VSP数据的采样间隔；利用弹性波波动方程进行VSP正演模拟，分别模拟VSP上行波场和下行波场数据；弹性波波动方程表达式如下： 其中，vx表示质点振动速度水平分量，vz表示质点振动速度垂直分量，τxx表示x方向的主应力，τzz表示z方向的主应力,τxz表示切向应力，ρ表示密度，λ表示拉梅系数，μ表示剪切模量，t表示时间，x,z表示水平方向和垂直方向；S7、VSP全波场数据获取；基于步骤S6中模拟得到的VSP上行波场和下行波场数据，将上行波场数据和下行波场数据进行相加，得到VSP全波场数据；S8、VSP数据波场智能分离网络建立；将步骤S6中的上行波场数据和下行波场数据以及步骤S7中的全波场数据作为神经网络的训练集，其中全波场数据为网络输入，上下行波场数据为网络输出，通过网络训练建立VSP数据波场智能分离网络；S9、实际数据运用；将步骤S8建立的VSP数据波场智能分离网络运用到实际的VSP数据，完成VSP数据波场分离，并根据波场分离的效果调整步骤S8中建立的波场分离网络的参数。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于深度学习的VSP数据波场分离方法