一种可变频带面波频散曲线自动提取方法、系统及介质与流程

本发明涉及地球物理勘探，尤其涉及一种可变频带面波频散曲线自动提取方法、系统及介质。

背景技术：

1、面波在层状介质中传播时，其相速度随频率变化而变化，该现象称为频散。通过对多道地震记录进行频散成像，可得到频率-速度域的能量图，即f-v频散能量图。频散曲线通常表现为频散能量图中沿频率方向连续分布的高能量脊线。s波（即剪切波）传播速度能够反映地下介质的结构特征，频散曲线提取结果会对后续s波速度结构反演效果产生直接影响。

2、传统频散曲线处理流程一般包括：（1）采集多道地震信号；（2）通过相移法、f-k变换、τ-p变换、esac/spac等方法获得频散能量图；（3）由人工或规则算法拾取频散曲线；（4）将频散曲线输入反演程序，得到地下s波速度结构。其中，第三步“频散曲线拾取”对后续反演结果影响较大。

3、现有频散曲线提取方法通常依赖人工拾取、规则峰值搜索、固定频率窗口图像分割方法或传统卷积神经网络模型，仍存在以下问题：

4、一）实际频散图中的有效频率范围并不固定。 不同采集条件、地层结构、噪声环境和处理参数下，频散图的可见频带可能不同，例如部分样本只在低频段可见，部分样本在较宽频段内可见。传统固定尺寸图像模型通常需要将频散图统一裁剪、缩放或填充，容易破坏频率轴与速度轴的物理含义。

5、（二）频散能量图中常存在噪声、断续能量带、高阶模态干扰和局部伪峰。 仅依靠最大能量峰值或简单图像分割容易将高阶模态、噪声峰或局部强能量误认为基阶频散曲线。

6、（三）频散图的二维网格与人工拾取曲线通常并非严格一一对应。 频散图是规则频率-速度网格，而人工拾取曲线点数可能与频率采样点数不一致，因此不能简单采用逐点硬回归方式训练模型。

7、（四）现有深度学习方法多将频散图视为普通二维图像，较少显式建模频率方向上的序列关系。 然而频散曲线本质上是随频率变化的速度序列，具有连续性、平滑性和物理可解释性。

8、（五）现有方法通常只追求像素级拟合或图像分割效果，缺少与面波频散物理规律相一致的约束。 导致模型在低信噪比、频带缺失或模态混叠时容易出现不连续、跳点或物理不合理的曲线

9、现有技术中较为相近的方案主要有两类：

10、第一类是基于峰值搜索的自动拾取方法。在每个频率行上搜索最大能量速度点，或结合阈值、平滑和动态规划得到曲线。该类方法实现简单，但在局部噪声强、高阶模态能量更强或能量中断时容易误拾取。

11、第二类是cnn/u-net图像分割方案。将频散图作为二维图像输入卷积网络，输出与输入尺寸相同的概率图，再通过阈值、argmax、连通域或路径搜索恢复曲线。该类方法比传统峰值搜索鲁棒，但通常依赖固定尺寸输入，对可变频带和频率方向长程依赖建模不足。

技术实现思路

1、基于背景技术存在的技术问题，本发明提出了一种可变频带面波频散曲线自动提取方法、系统及介质，序列化transformer建模实现抗噪连续的物理合理频散曲线自动提取。

2、本发明提出的一种可变频带面波频散曲线自动提取方法，包括：

3、获取频散能量矩阵及其频率轴和速度轴；

4、将所述频散能量矩阵沿频率方向切分为多个频率行，通过行编码器将每个频率行编码为token，得到token序列；

5、通过位置编码器对各token添加基于真实频率值的位置编码；

6、将位置编码后的token序列输入transformer编码器，通过自注意力建模不同频率行间的依赖关系，得到各频率行的上下文表示；

7、通过行级输出头将各上下文表示映射为该频率行的速度概率分布；

8、根据所述速度概率分布解码得到频散曲线。

9、进一步地，所述将每个频率行编码为token，包括：

10、将每个频率行的速度方向能量分布、归一化速度轴坐标和归一化频率值进行拼接后输入行编码器；所述行编码器采用一维卷积层、归一化层、非线性激活层、池化层和线性映射层中的至少一种。

11、进一步地，所述transformer编码器的自注意力计算中加入相对频率偏置矩阵和加性注意力掩码：

12、；

13、其中，为注意力机制，分别查询矩阵、键矩阵和值矩阵，为相对频率偏置矩阵，表示加性注意力掩码，为和的维度。

14、进一步地，所述根据所述速度概率分布解码得到频散曲线，采用soft-argmax方式解码得到：

15、；

16、其中，为第个频率行处预测的目标频散曲线预测速度值，为第个速度采样点的速度值，为第个频率行在速度处预测的速度概率分布，为第个频率行的有效速度集合，为速度网格索引，对应于第个速度采样点，为频率行索引，对应于第个频率采样点。

17、进一步地，提取模型包括行编码器、位置编码器、transformer编码器以及行级输出头；

18、所述提取模型的训练过程如下：

19、获取训练样本，所述训练样本包括频散能量矩阵、频率轴、速度轴及目标频散曲线；

20、对所述目标频散曲线进行插值，使其与所述频率轴的采样点对齐，得到每个频率行对应的目标速度值；

21、根据所述目标速度值在速度方向构造二维软标签；

22、将所述频散能量矩阵输入提取模型，得到预测速度概率分布；

23、根据所述预测速度概率分布与所述软标签，计算行级分布损失，约束预测概率分布与软标签接近；

24、根据所述预测速度概率分布解码得到预测速度值，计算所述预测速度值与所述目标速度值之间的曲线误差损失，约束解码曲线与目标曲线的偏差；

25、根据所述预测速度值计算相邻频率行之间的平滑损失，约束预测曲线的连续性；

26、根据所述行级分布损失、曲线误差损失和平滑损失的加权和计算总损失，通过反向传播更新所述提取模型的参数。

27、进一步地，所述二维软标签的构造公式如下：

28、；

29、其中，为第个速度采样点的速度值，为目标速度值，为速度方向标签扩展宽度。

30、进一步地，所述行级分布损失采用交叉熵损失；

31、所述曲线误差损失采用均方误差损失；

32、所述总损失为：

33、；

34、其中，分别为权重，随训练阶段自适应调整：训练前期提高的权重，使提取模型优先学习概率场位置；训练中后期提高和的权重，使曲线位置和连续性进一步优化。

35、进一步地，提取模型训练过程中还包括：

36、构造物理有效区域掩码，标记速度轴上具有物理意义的速度范围；

37、构造可见频段掩码，标记频散能量图中具有有效能量的频率行；

38、构造标签有效掩码，标记具有可靠目标频散曲线的频率行；

39、构造填充掩码，标记因批量训练填充而产生的无效频率行和无效速度列；

40、所述行级分布损失、曲线误差损失和平滑损失仅在所述物理有效区域掩码、可见频段掩码、标签有效掩码和填充掩码共同标记为有效的区域上计算。

41、一种计算机系统，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如上所述的方法。

42、一种计算机可读存储介质，所述计算机可读存储介质上储存有若干计算机程序，所述计算机程序用于被处理器调用并执行如上所述的方法。

43、本发明提供的一种可变频带面波频散曲线自动提取方法、系统及介质的优点在于：通过频率行token化和掩码机制，无需裁剪或插值即可处理可变有效频带，完整保留频率轴与速度轴的原始物理坐标；借助transformer编码器的双向自注意力机制直接建模跨频率长程依赖，显式利用了频散曲线沿频率方向的连续性先验；同时引入连续频率位置编码使模型感知真实频率间隔，提升了不同采样条件下的泛化能力。提取模型输出速度概率分布而非常点，保留不确定性信息用于自动质量控制；软标签机制有效解决了拾取点与网格不对齐的标注误差问题。联合分布损失、曲线误差损失和平滑损失的物理约束训练策略，直接优化最终解码曲线的位置与连续性，有效抑制跳点与模态混叠，使输出结果满足面波频散物理规律，可直接嵌入现有反演流程。