基于全波形反演和卷积神经网络的地下岩层分布成像获取方法、系统、终端及可读存储介质与流程

技术特征：
1.一种基于全波形反演和卷积神经网络的地下岩层分布成像获取方法，其特征在于：包括以下步骤：步骤1：获取数据集，所述数据集包括二维地质数据及其速度模型，所述速度模型为地下岩层分布成像，并设为标签；步骤2：搭建u
‑
net网络架构作为生成器以及基于全波形反演算法构建判别器，并利用所述生成器训练生成地下岩层分布成像的预测模型，以及利用所述判别器优化所述生成器的网络权重参数得到精细的地下岩层分布成像的预测模型；其中，将所述数据集的数据输入生成器进行深度学习训练得到地下岩层分布成像的预测模型，所述地下岩层分布成像的预测模型的输入数据为二维地质数据，输出结果为速度模型；基于所述地下岩层分布成像的预测模型的预测结果，并利用所述判别器的全波形反演算法计算出二维地质数据，再与真实的二维地质数据进行比较调整地下岩层分布成像的预测模型的网络权重参数；步骤3：将待预测的二维地质数据输入精细的地下岩层分布成像的预测模型得到速度模型，得到的速度模型为地下岩层分布成像。2.根据权利要求1所述的方法，其特征在于：步骤2中利用所述判别器优化所述生成器的网络权重参数得到精细的地下岩层分布成像的预测模型的过程如下：步骤2
‑
1：将预测模型的网络权重参数映射到预测模型输出的速度模型得到基于网络权重参数的速度域模型；v
k
＝g(w
k
)式中，k表示第k次循环迭代，w
k
代表第k次循环迭代过程中得到的神经网络权重模型参数，v
k
代表生成速度模型，g为映射函数；步骤2
‑
2：将基于网络权重参数的速度域模型并利用全波形反演算法计算出二维地质数据；步骤2
‑
3：以步骤2
‑
2计算出的二维地质数与实际的二维地质数据构建目标函数，并反向计算网络权重参数的损失函数梯度，进而更新网络权重参数，再更新速度域模型，更新后返回步骤2
‑
2进入下一次迭代，直至模型精度满足预设要求或者得到迭代终止条件，得到最终更新的网络权重参数；其中，基于最终更新的网络权重参数的预测模型视为精细的地下岩层分布成像的预测模型。3.根据权利要求2所述的方法，其特征在于：步骤2
‑
3中采用adam算法的梯度下降法更新网络权重参数，更新公式如下：其中，k代表着迭代次数，p
k
和q
k
是两个波场时刻对应第k次迭代的估计值，∈为常数值w
k
、w
k 1
为第k次迭代、第k 1次迭代对应的网络权重参数，α
k
为第k次迭代对应的学习率；为第k次迭代对应的学习率；
式中，ε和η是两个超参数，为网络权重参数对应的损失函数梯度。4.根据权利要求3所述的方法，其特征在于：第k次迭代对应的学习率α
k
的公式如下：其中，μ是步长。5.根据权利要求1所述的方法，其特征在于：所述生成器的u
‑
net网络中每一层的单节点使用循环残差块结构的节点替换；所述循环残差结构的节点的数据处理过程为：先进行至少两次或两次以上的卷积操作；再将卷积操作后的特征图进入残差模块进行残差计算。6.根据权利要求1所述的方法，其特征在于：所述生成器的u
‑
net网络的上采样过程中每一层的跳跃连接之前设有控制门。7.根据权利要求1所述的方法，其特征在于：步骤1中所述数据集由荷兰f3地质块数据集和segsalt数据集混合组成；其中，利用正演算法演算出所述荷兰f3地质块数据集中二维地质数据的速度模型，将其速度模型作为标签。8.一种基于权利要求1
‑
7任一项所述方法的系统，其特征在于：数据集获取模块，用于获取数据集，所述数据集包括二维地质数据及其速度模型，所述速度模型为地下岩层分布成像，并设为标签；预测模型构建模块，用于利用生成器训练生成地下岩层分布成像的预测模型，以及利用判别器优化所述生成器的网络权重参数得到精细的地下岩层分布成像的预测模型；其中，所述生成器为u
‑
net网络架构，所述判别器基于全波形反演算法实现；其中，预测模型构建模块包括：预测模型生成单元和网络权重参数优化单元，所述预测模型生成单元用于利用生成器训练生成地下岩层分布成像的预测模型，所述网络权重参数优化单元用于利用判别器优化所述生成器的网络权重参数得到精细的地下岩层分布成像的预测模型；预测模块，用于将待预测的二维地质数据输入精细的地下岩层分布成像的预测模型得到速度模型，得到的速度模型为地下岩层分布成像。9.一种终端，其特征在于：包括：一个或多个处理器；存储了一个或多个程序的存储器；所述处理器调用所述存储器存储的程序以实现：权利要求1
‑
7任一项所述方法的步骤。10.一种可读存储介质，其特征在于：存储了计算机程序，所述计算机程序被处理器调用以实现：权利要求1
‑
7任一项所述方法的步骤。

技术总结
本发明公开了一种基于全波形反演和卷积神经网络的地下岩层分布成像获取方法、系统、终端及可读存储介质，所述方法引入U


技术研发人员：吴强 李思颖 林海增 彭蔓蔓
受保护的技术使用者：湖南大学
技术研发日：2021.09.07
技术公布日：2021/11/14