基于机器学习的地震数据多域处理方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113971415A(43)申请公布日2022.01.25(21)申请号202010644224.1(22)申请日2020.07.07(71)申请人中国石油天然气股份有限公司地址100007北京市东城区东直门北大街9号(72)发明人首皓曹宏崔栋曾同生(74)专利代理机构北京三友知识产权代理有限公司11127代理人王涛任默闻(51)Int.Cl.G06K9/00(2006.01)G01V1/36(2006.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书2页说明书8页附图8页(54)发明名称基于机器学习的地震数据多域处理方法及装置(57)摘要本发明提供了一种基于机器学习的地震数据多域处理方法及装置，基于机器学习的地震数据多域处理方法包括：获取目标工区的地震数据；根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围。本发明所提供的基于机器学习的地震数据多域处理方法及装置，可以拓展地震数据处理时机器学习模型的维度范围，更加综合的判断地震数据的特征，从而提高使用机器学习处理地震数据的精度。CN113971415ACN113971415A权利要求书1/2页1.一种基于机器学习的地震数据多域处理方法，其特征在于，包括：获取目标工区的地震数据；根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围。2.如权利要求1所述的地震数据多域处理方法，其特征在于，所述地震数据包括：共炮点道集、共检波点道集、共中心点道集、共偏移距道集以及共方位角道集数据；所述多个域包括：共炮点数据域、共检波点数据域、共中心点数据域、共十字排列数据域、共偏移距数据域以及供方位角数据域。3.如权利要求2所述的地震数据多域处理方法，其特征在于，所述根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围，包括：根据所述地震数据以及所述机器学习模型确定其各自的多域特征参数以及所述多域特征参数的域范围；所述多域特征参数包括：倾角、地震道能量与相邻地震道能量的平均倍数以及地震道与相邻地震道的时差。4.如权利要求1所述的地震数据多域处理方法，其特征在于，所述机器学习模型为前馈式深度机器学习模型；生成所述机器学习模型的步骤包括：根据所述地震数据的倾角、与相邻道能量的平均倍数、与相邻道的时差的相似度生成所述机器学习模型标签；根据信噪比大于预设数值的地震数据以及所述机器学习模型标签对所述机器学习模型的初始模型进行训练，以生成所述机器学习模型。5.一种基于机器学习的地震数据多域处理装置，其特征在于，包括：地震数据获取单元，用于获取目标工区的地震数据；域范围确定单元，用于根据预生成的机器学习模型以及所述地震数据，确定所述地震数据多个域中的特征域范围。6.如权利要求5所述的地震数据多域处理装置，其特征在于，所述地震数据包括：共炮点道集、共检波点道集、共中心点道集、共偏移距道集以及共方位角道集数据；所述多个域包括：共炮点数据域、共检波点数据域、共中心点数据域、共十字排列数据域、共偏移距数据域以及供方位角数据域。7.如权利要求6所述的地震数据多域处理装置，其特征在于，所述域范围确定单元包括：特征参数确定模块，用于根据所述地震数据以及所述机器学习模型确定其各自的多域特征参数以及所述多域特征参数的域范围；所述多域特征参数包括：倾角、地震道能量与相邻地震道能量的平均倍数以及地震道与相邻地震道的时差。8.如权利要求5所述的地震数据多域处理装置，其特征在于，还包括模型生成单元，用于生成所述机器学习模型，所述模型生成单元包括：模型标签生成模块，用于根据所述地震数据的倾角、与相邻道能量的平均倍数、与相邻2CN113971415A权利要求书2/2页道的时差的相似度生成所述机器学习模型标签；模型生成模块，用于根据信噪比大于预设数值的地震数据以及所述机器学习模型标签对所述机器学习模型的初始模型进行训练，以生成所述机器学习模型；所述机器学习模型为前馈式深度机器学习模型。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述基于机器学习的地震数据多域处理方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4任一项所述基于机器学习的地震数据多域处理方法的步骤。3CN113971415A说明书1/8页基于机器学习的地震数据多域处理方法及装置技术领域[0001]本发明涉及石油勘探领域，尤其是地震数据处理技术，具体涉及一种基于机器学习的地震数据多域处理方法及装置。背景技术[0002]地震数