一种基于大模型的地震勘探数据分析方法及系统与流程

本发明涉及地震数据分析，尤其涉及一种基于大模型的地震勘探数据分析方法及系统。

背景技术：

1、地震勘探是获取地下地质结构和地层信息的重要技术手段，通常通过震源激发地震波，并利用布设在测线上的检波器采集不同位置的波形数据。随着高密度、多通道和宽频采集技术的发展，地震勘探产生的数据量不断增加，数据之间的时空关联也更加复杂，对后续分析处理提出了更高要求。

2、现有地震数据分析主要依赖滤波、频谱分析、互相关、属性提取等方法，对振幅、频率、相位和走时等特征进行处理，并结合人工经验完成反射响应追踪和地层分析。此类方法对局部波形变化较为敏感，但在面对大规模连续地震数据时，容易受到噪声、波形畸变及局部异常影响，跨地震道的连续响应关系难以稳定保持。

3、近年来，深度学习和transformer模型逐渐用于地震数据识别与分析，通过训练数据学习复杂波形特征，在一定程度上减少了对人工特征设计的依赖。但现有模型多数侧重单道或局部多道数据，对长序列以及相邻地震道之间的时间偏移、连续传播关系利用不足。当同一地震响应在不同地震道中发生位置偏移时，模型容易出现关联不连续或局部判断不一致的问题。

4、时序大模型为地震数据的长序列分析提供了新的技术基础，但通用时序模型主要面向一般时间序列，其内部表示方式和状态传播机制未针对地震数据的跨道配准和连续传播特征进行设计，模型输出结果也容易停留在局部判断层面，缺少对连续响应关系的整体分析和校正。

5、因此，如何提供一种基于大模型的地震勘探数据分析方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于大模型的地震勘探数据分析方法及系统，本发明充分利用了时序大模型对复杂地震波形和跨道关联关系的学习能力，实现对大规模地震勘探数据的连续分析与整体判断，具备自动化程度高、分析连续性好和结果稳定性强的优点。

2、根据本发明实施例的一种基于大模型的地震勘探数据分析方法，包括如下步骤：

3、s1、获取地震勘探的多源数据并进行预处理，形成地震状态序列；

4、s2、对地震状态序列进行滑动窗口切分，采用时滞互相关对相邻地震道窗口片段进行配准，组合连续配准片段，构建训练样本集；

5、s3、基于训练样本集，以moment类预训练时序基础模型为骨干，对窗口片段进行patch编码，并将跨道配准关系嵌入片段表征，对编码状态进行递推修正，经反向传播训练得到地震分析大模型；

6、s4、采用地震分析大模型，对待分析的地震状态序列进行多层编码，基于编码状态拟合状态传递算子，沿地震道方向进行状态递推，并基于递推状态与对应传播偏差修正后续递推状态；

7、s5、基于修正后的递推状态计算窗口片段的响应状态似然，并依据传播偏差构建相邻地震道之间的条件转移概率，联合响应状态似然与条件转移概率形成路径概率，采用维特比算法进行全局解码，得到勘探数据分析结果；

8、s6、获取勘探数据分析结果对应的反馈数据，并采用增量梯度下降更新地震分析大模型。

9、可选的，所述预处理具体包括：

10、通过布设于勘探测线的地震检波器采集地震波形数据，并由地震数据采集系统同步记录各地震道对应的采集位置和采样时刻，按照地震道标识和采样时刻建立关联关系；

11、将各地震道的地震波形数据重采样至统一采样间隔，并对采样时刻进行时间对齐；

12、采用滑动中位数对异常采样点进行识别和替换，对连续缺失区间采用相邻有效采样点进行插值补全；

13、对完成异常处理和缺失补全后的地震波形数据进行带通滤波，并对各地震道的振幅尺度进行标准化；

14、按照地震道排列顺序及采样时间顺序组织处理后的地震波形数据，形成地震状态序列。

15、可选的，所述s2具体包括：

16、s21、按照地震道排列顺序，分别对各地震道对应的地震状态序列进行等长滑动窗口切分，相邻窗口保持部分重叠，得到各地震道的窗口片段；

17、s22、对相邻地震道中时间位置对应的窗口片段逐点改变时间偏移，计算各时间偏移下的互相关系数，并以最大互相关系数对应的时间偏移作为响应时滞；

18、s23、按照响应时滞移动对应窗口片段，对相邻地震道窗口片段进行时间配准，并沿地震道排列方向依次记录各配准片段对应的响应时滞，形成响应时滞序列；

19、s24、对响应时滞序列进行中值滤波，剔除孤立时滞点，并沿地震道排列方向连续连接剩余配准片段，在连接中断处划分片段组合，构建训练样本集。

20、可选的，所述s3具体包括：

21、s31、将训练样本集中的窗口片段划分为等长patch，沿采样方向采用一维卷积提取各patch内的局部波形变化，并结合patch在窗口片段中的排列位置形成patch编码状态；

22、s32、基于跨道配准关系关联相邻地震道中的对应patch，将响应时滞和地震道间隔编码为跨道约束量，并基于所述跨道约束量调节对应patch编码状态之间的耦合强度；

23、s33、在moment类预训练时序基础模型的编码层间，计算相互配准patch编码状态之间的传播残差，并依据耦合强度对传播残差进行门控调节，将调节后的传播残差叠加至后续编码状态，逐层完成编码状态递推修正；

24、s34、基于递推修正后的编码状态，计算相互配准patch之间的传播一致性损失，将传播一致性损失沿各编码层反向传播，并迭代更新模型参数，得到地震分析大模型。

25、可选的，所述s33具体包括：

26、s331、按照跨道配准关系，在当前编码层中逐组获取相互配准patch的编码状态，计算对应编码状态之间的状态差值，形成传播残差；

27、s332、将传播残差与耦合强度进行联合门控，根据耦合强度调节传播残差对应的门控系数，并利用传播残差的变化幅度对门控系数进行修正；

28、s333、基于修正后的门控系数对传播残差进行幅度调节，将调节后的传播残差叠加至后一地震道对应patch的编码状态，形成修正编码状态；

29、s334、将修正编码状态传递至下一编码层，并基于下一编码层中相互配准patch的编码状态重新计算传播残差，重复门控调节和状态叠加，直至完成各编码层的递推修正。

30、可选的，所述s4具体包括：

31、s41、采用地震分析大模型，对待分析的地震状态序列进行多层编码，按照地震道排列顺序，对相邻地震道的窗口片段编码状态进行对应组合，形成连续编码状态对；

32、s42、基于连续编码状态对，采用带正则约束的最小二乘方法，求解前一地震道编码状态至后一地震道编码状态的状态转换系数，并根据各编码状态对的转换残差重复修正状态转换系数，形成状态传递算子；

33、s43、采用状态传递算子作用于当前地震道的编码状态，得到下一地震道的递推状态，将递推状态与下一地震道对应的编码状态进行差分，形成当前传播偏差；

34、s44、基于当前传播偏差，结合前一传播偏差的变化方向和变化幅度调节偏差反馈比例，将调节后的传播偏差反馈至当前递推状态，并将修正后的递推状态作为下一地震道的递推起始状态，沿地震道方向重复状态转换和偏差反馈。

35、可选的，所述s42具体包括：

36、s421、按照连续编码状态对的排列顺序建立状态转换关系，以前序编码状态作为转换起点，以对应后序编码状态作为拟合目标，初始化状态转换系数和递推增益；

37、s422、依次引入连续编码状态对，采用当前状态转换系数生成对应的转换状态，根据转换状态与拟合目标之间的偏离程度更新递推增益，并利用更新后的递推增益校正状态转换系数；

38、s423、在状态转换系数的连续校正过程中引入正则约束，对变化幅度持续增大的转换系数进行收缩，并根据各连续编码状态对的转换残差动态调节其后续校正权重；

39、s424、沿连续编码状态对重复递推增益更新、状态转换系数校正和正则收缩，当状态转换系数连续多轮保持稳定时终止拟合，将当前状态转换系数形成状态传递算子。

40、可选的，所述s5具体包括：

41、s51、对修正后的递推状态进行响应状态评分，将各响应状态得分进行概率归整，并结合连续地震道上的状态变化对概率分布进行校正，得到响应状态似然；

42、s52、依据传播偏差的变化幅度和连续方向配置状态转移惩罚，对传播偏差连续的状态转移降低惩罚，对传播偏差突变的状态转移提高惩罚，并将各候选转移的惩罚结果转换为条件转移概率；

43、s53、采用维特比前向递推，将当前响应状态似然与各前序状态对应的条件转移概率联合计算，对每一响应状态保留路径概率最大的前序状态，并同步记录对应的前序状态位置；

44、s54、从末端路径概率最大的响应状态开始，按照记录的前序状态位置逐级反向回溯，连接各地震道对应的最优响应状态，形成全局最优响应路径，得到勘探数据分析结果。

45、可选的，所述s6具体包括：

46、s61、获取勘探数据分析结果对应的反馈数据，按照地震道排列顺序和窗口位置，将反馈数据中的响应状态与全局解码结果逐道对应，完成跨道对齐；

47、s62、比较对齐后的响应状态与全局解码结果，按照状态变化方向和变化幅度生成状态差异，并沿地震道方向关联连续状态差异；

48、s63、基于连续状态差异调节对应传播偏差的修正方向和修正幅度，将修正后的传播偏差反馈至地震分析大模型的编码状态递推过程；

49、s64、以修正后的传播偏差计算增量训练损失，采用增量梯度下降沿地震分析大模型各编码层反向更新模型参数，并利用更新后的模型继续进行地震状态序列分析。

50、根据本发明实施例的一种基于大模型的地震勘探数据分析系统，包括：

51、数据处理模块，用于获取地震勘探的多源数据并进行预处理，形成地震状态序列；

52、样本构建模块，用于对地震状态序列进行滑动窗口切分，采用时滞互相关对相邻地震道窗口片段进行配准，组合连续配准片段，构建训练样本集；

53、模型训练模块，用于基于训练样本集，以moment类预训练时序基础模型为骨干，对窗口片段进行patch编码，并将跨道配准关系嵌入片段表征，对编码状态进行递推修正，经反向传播训练得到地震分析大模型；

54、状态递推模块，用于采用地震分析大模型，对待分析的地震状态序列进行多层编码，基于编码状态拟合状态传递算子，沿地震道方向进行状态递推，并基于递推状态与对应传播偏差修正后续递推状态；

55、全局解码模块，用于基于修正后的递推状态计算窗口片段的响应状态似然，并依据传播偏差构建相邻地震道之间的条件转移概率，联合响应状态似然与条件转移概率形成路径概率，采用维特比算法进行全局解码，得到勘探数据分析结果；

56、反馈更新模块，用于获取勘探数据分析结果对应的反馈数据，并采用增量梯度下降更新地震分析大模型。

57、本发明的有益效果是：

58、首先，本发明充分利用时序大模型对复杂地震波形的学习能力，将相邻地震道之间的关联信息一并纳入分析过程，使模型能够更好地识别跨道连续变化的地震响应，降低局部噪声和波形偏移对分析结果的影响。

59、其次，本发明通过对不同地震道之间的状态变化进行连续传递和偏差校正，使分析结果不再局限于单个地震道或局部片段，有利于保持地震响应在空间上的连续性和稳定性，提高复杂地震数据的整体分析能力。

60、最后，本发明结合全局路径判断和反馈更新机制，对局部分析结果进行整体校正，并根据后续反馈持续调整模型，使其能够适应不同勘探区域和数据变化，提高地震勘探数据分析的准确性、稳定性和自动化程度。