一种获取地震层位解释的方法和装置与流程

1.本技术涉及油气勘探与开发技术领域，更具体地，涉及一种获取地震层位解释的方法和装置。


背景技术：

2.地震解释成果能够为油气勘探与开发提供重要的指导信息，而层位解释作为地震解释的基础环节，其能够为整个工区的构造建模提供基本骨架。
3.虽然业界能够依靠人工手工批注，或者少量的可以利用计算机实现半自动辅助的软件获取对地震地层体的层位解释，但是纯手工解释一个工区需要数周到数月不等，以及虽然可以利用计算机辅助计算可以较快得到结果，但由于得到的结果并不稳定，且后期人工修正成本仍然很高，同时也需要数小时到数天时间。
4.因此如何有效降低人工以及时间成本，以及获取更为稳定的对地震地层体的层位解释是目前亟待解决的技术问题。


技术实现要素：

5.本技术提供一种获取地震层位解释的方法和装置，通过该方法和装置，本技术能够实现获取更优的且更为稳定的对地震地层体的层位解释，以及还能够有效地节约大量的时间及人工成本。
6.第一方面，提供了一种获取地震层位解释的方法，该方法包括：获取第一点集，该第一点集包括地震数据中被标注的数据点，其中，该地震数据包括分布于多个层位的数据点，第一点集中的数据点位于目标层位，该地震数据还包括第二点集，第二点集中的数据点未被标注；基于对第一点集中的数据点进行训练，获得推理模型；获取阈值与推理方式；基于推理模型、阈值与推理方式，确定第二点集中属于目标层位的数据点；根据第一点集和从第二点集中确定的数据点，获得目标层位的地震层位解释。
7.作为一种可能的实现方式，该方法包括：获取第一点集，该第一点集包括地震数据中被标注的数据点，其中，该地震数据包括分布于多个层位的数据点，第一点集中的数据点位于目标层位，地震数据还包括第二点集，第二点集中的数据点未被标注；基于对第一点集中的数据点进行训练，获得推理模型；获取阈值与推理方式；基于推理模型、阈值与推理方式，确定第二点集中属于目标层位的数据点；根据第一点集和从第二点集中确定出的数据点，获得目标层位的地震层位解释；获取更新后的阈值和/或推理方式；基于更新后的阈值和/或推理方式，确定更新后的地震层位解释。
8.通过上述技术方案，本技术能够实现获取更为稳定可靠的对地震地层体的层位解释，以及还能够有效地节省大量的人工及时间成本。
9.结合第一方面，在第一方面的某些实现方式中，该方法还包括：从目标层位的地震层位解释中获取多个数据点；通过聚类分析，从目标层位的地震层位解释中所获取的多个数据点中确定正常点集与异常点集，正常点集包括至少一个数据点，异常点集包括至少一
个数据点；基于正常点集对异常点集作修正。
10.通过上述技术方案，本技术能够实现支持用户对所获得的地震层位解释做出修正，并基于正常点集，对该异常点集作修正，从而使用户所获得的地震层位解释更为可靠。
11.结合第一方面，在第一方面的某些实现方式中，推理方式包括以下任意一种或多种：当前剖面推理、沿测线推理以及种子点全空间推理。
12.通过上述技术方案，本技术可以提供多种推理方式，便于用户根据需求确定合适的推理方式，最终获取结果稳定的地震层位解释。
13.结合第一方面，在第一方面的某些实现方式中，当推理方式为当前剖面推理时，该基于推理模型、阈值与推理方式，确定第二点集中属于目标层位的数据点，包括：从所述第一点集中确定第三点集，所述第三点集中包含的数据点属于同一剖面；获取所述阈值；基于推理模型、第三点集与阈值对剖面作追踪，确定第二点集中属于所述目标层位的数据点。
14.通过上述技术方案，本技术通过在2d剖面的层位追踪中应用该推理方式，并当剖面中同相轴较为连续时，可获得较好追踪结果。
15.结合第一方面，在第一方面的某些实现方式中，当推理方式为沿测线推理时，该基于推理模型、阈值与推理方式，确定第二点集中属于目标层位的数据点包括：从第一点集中确定第四点集，第四点集中包含的数据点属于多个相邻的剖面；获取阈值与步长；基于推理模型、第四点集、阈值和步长，对该多个相邻的剖面作追踪，确定第二点集中属于目标层位的数据点。
16.通过上述技术方案，本技术能够在某个方向(比较主测线或联络测线方向)上同相轴比较连续的情况下应用该推理方式，可以沿着该方向快速追踪到可靠层位。
17.结合第一方面，在第一方面的某些实现方式中，当推理方式为种子点全空间推理时，基于推理模型、阈值与推理方式，确定第二点集中属于目标层位的数据点，包括：从第一参数组中获取一个参数，第一参数组包括八邻域与四邻域；从第二参数组中获取一个参数，第二参数组包括最优模式与最快模式；根据推理模型、阈值、从第一参数组中获取的参数与从第二参数组中获取的参数，对地震数据作追踪，确定第二点集中属于目标层位的数据点。
18.通过上述技术方案，本技术支持通过设定不同的参数之间的组合方式，即第一参数组中选定的一个参数与第二参数组中选定的一个参数之间的组合方式，从而便于用户能够根据自身的需求获取该装置反馈的对目标层位的地震层位解释。
19.应理解，该推理方式是全空间的搜索，并不具有指向性，因此该推理方式能够适用于所有情况。
20.结合第一方面，在第一方面的某些实现方式中，在基于对第一点集中的数据点进行训练，获得推理模型之后，该方法还包括：根据训练模型对地震数据进行预测，预测的方式包括：提前预测和追踪与预测并行。
21.在数据量较大的情况下，本技术通过采取提前预测的方式，能够实现在追踪之前，只需计算一次，之后在每次调整阈值之后，就不需要再重复计算，从而可以节约时间，从而便于用户获取该装置反馈的与目标层位对应的地震层位解释。在数据量较小的情况下，本技术通过采取追踪与预测并行的方式，可以使用户察觉不到用于计算的时间耗费，从而便于用户获取该装置反馈的与目标层位对应的地震层位解释。
22.第二方面，提供了一种获取地震层位解释的装置，该装置包括：数据集子模块，用
于获取第一点集，该第一点集包括地震数据中被标注的数据点，其中，地震数据包括分布于多个层位的数据点，第一点集中的数据点位于目标层位，地震数据还包括第二点集，第二点集中的数据点未被标注；训练集子模块，用于基于对第一点集中的数据点进行训练，获得推理模型；估计器子模块，用于获取阈值与推理方式；估计器子模块，还用于基于推理模型、阈值与推理方式，确定第二点集中属于目标层位的数据点；估计器子模块，还用于根据第一点集和从第二点集中确定的数据点，获得目标层位的地震层位解释。
23.结合第二方面，在第二方面的某些实现方式中，估计器子模块，还用于：从所述目标层位的地震层位解释中获取多个数据点；通过聚类分析，从所述目标层位的地震层位解释中所获取的所述多个数据点中确定正常点集与异常点集，所述正常点集包括至少一个数据点，所述异常点集包括至少一个数据点；基于所述正常点集对所述异常点集作修正。
24.结合第二方面，在第二方面的某些实现方式中，推理方式包括以下任意一种或多种：当前剖面推理、沿测线推理以及种子点全空间推理。
25.结合第二方面，在第二方面的某些实现方式中，当推理方式为当前剖面推理时，估计器子模块，用于：从第一点集中确定第三点集，第三点集中包含的数据点属于同一剖面；获取阈值；基于推理模型、第三点集与阈值对剖面作追踪，确定第二点集中属于目标层位的数据点。
26.结合第二方面，在第二方面的某些实现方式中，当推理方式为沿测线推理时，估计器子模块，用于：从第一点集中确定第四点集，第四点集中包含的数据点属于多个相邻的剖面；获取阈值与步长；基于推理模型、第四点集、阈值和步长，对多个相邻的剖面作追踪，确定第二点集中属于所述目标层位的数据点。
27.结合第二方面，在第二方面的某些实现方式中，当推理方式为种子点全空间推理时，估计器子模块，用于：从第一参数组中获取一个参数，第一参数组包括八邻域与四邻域；从第二参数组中获取一个参数，第二参数组包括最优模式与最快模式；根据推理模型、阈值、从第一参数组中获取的参数与从第二参数组中获取的参数，对地震数据作追踪，确定第二点集中属于目标层位的数据点。
28.结合第二方面，在第二方面的某些实现方式中，该估计器子模块还用于：根据推理模型对地震数据进行预测，预测的方式包括：提前预测和追踪与预测并行。
29.第三方面，提供了一种计算设备集群，包括至少一个计算设备，每个计算设备包括处理器和存储器；所述至少一个计算设备的处理器用于执行所述至少一个计算设备的存储器中存储的指令，以使得所述计算设备集群执行如第一方面以及第一方面中任一种可能实现方式中任一项所述的获取地震层位解释的方法。
30.第四方面，提供了一种计算机可读存储介质，存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面以及第一方面中任一种可能实现方式中任一项所述的获取地震层位解释的方法。
31.第五方面，提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如第一方面以及第一方面中任一种可能实现方式中任一项所述的获取地震层位解释的方法。
附图说明
32.图1是本技术提供的一种获取地震层位解释的装置的结构示意图。
33.图2是本技术提供的一种获取地震层位解释的方法的示意流程图。
34.图3是本技术提供的一种获取地震层位解释的方法的一种流程示意图。
35.图4是本技术提供的一种获取地震层位解释的方法的又一种流程示意图。
36.图5是本技术提供的一种获取地震层位解释的方法的再一种流程示意图。
37.图6是本技术提供的一种获取地震层位解释的方法的另一种流程示意图。
38.图7是本技术提供的一种获取地震层位解释的方法的再又一种流程示意图。
39.图8是本技术提供的一种神经网络模型的示意图。
40.图9是本技术提供的一种神经网络模型的内部结构示意图。
41.图10是本技术提供的一种层位样本点的示意图。
42.图11是本技术提供的一种获取地震层位解释的装置的用户界面示意图。
43.图12是本技术提供的一种获取地震层位解释的装置的用户界面的3d和2d窗口的功能示意图。
44.图13是本技术提供的一种计算设备集群的结构示意框图。
45.图14是本技术提供的又一种计算设备集群的结构示意框图。
46.图15是本技术提供的再一种计算设备集群的结构示意框图。
具体实施方式
47.下面将结合附图，对本技术中的技术方案进行描述。
48.下文将首先对本技术技术方案所涉及到的相关概念做出描述。
49.地震数据，是指利用地震勘探技术观测到的地震波数据。
50.具体而言，地震勘探设备产生人工地震波，地震波向地下传播，其在遇到地层后会产生反射并传播回地表，并被检波器记录下来，从而形成地震观测数据。
51.地震解释，是指结合地震数据、测井数据，以及其他地质资料，并利用算法对地震数据进行分析，从而获得的对地震地层体的解释。
52.地震解释主要用于两方面：构造解释和储层预测。
53.其中，构造解释是指对地震数据中存在的地层、断层以及地质目标体进行检测。储层预测是指对地下储集层的性能进行评价，其核心的技术是地震反演。
54.深度学习，是指一类基于多层次神经网络算法的机器学习技术，其主要特征是使用多重非线性变换对数据进行处理和分析，其主要应用于人工智能领域的感知、决策等场景，例如，图像和语音识别、自然语言翻译、计算机博弈，等等。
55.层位解释，是指对地震数据的横向连续性进行分析，并从地震数据中获取反射性质一致的地层。例如，层位可以是含油气地层、天然气地层，等等。
56.目前有两款工业软件petrel和fast grid。该工业软件petrel能够提供一种完备的交互式和半自动的层位解释功能，其核心思想是基于地震数据倾角或其他属性的相似性进行层位追踪，用户在使用该工业软件petrel时，需要针对不同数据进行搜索参数的设置，需要依靠通过设置不同的参数从而提炼出地震数据的特征，并加以解释分析，但是由于不同工区的地震数据的性质差异较大，用户需要尝试不同参数以便能够达到最佳效果，这会
极大地增加用户投入其中的人工成本及时间成本。
57.该工业软件fast grid也提供了一种与petrel类似的层位追踪功能，具体地，其首先通过设置层位追踪网格，然后在网格所在的测线上对二维剖面进行层位追踪，并在追踪的过程中不断地进行人工修正，以便确保解释结果的可靠性，并在解释完所有的二维剖面之后，再进行面元的闭合解释。
58.然而，上述的两款工业软件都是基于传统的基于相似性的层位追踪方法，一方面，上述的两款工业软件对于参数设置的依赖性太强，并且还存在大量的参数试错成本；另一方面，传统方法对低信噪比的地震数据的抗干扰性较差，追踪解释的结果不稳定，还需要大量的人为干预，这会降低解释效率，增加人工成本。
59.鉴于上述技术问题，本技术提供了一种获取地震层位解释的方法和装置，通过该方法和装置，本技术能够实现有效地降低人工以及时间成本，并能够获取更为稳定的对地震地层体的层位解释。
60.图1示出了本技术提供的一种获取地震层位解释的装置#100的结构示意图，具体结构如图1所示。
61.在图1所示的系统中，该装置包括应用程序接口(application programming interface，api)接口、配置(configuration)模块、层位解释(horizon pick)模块、数据(data)模块以及深度学习(deep learning，dl)模块。
62.其中，api接口，用于负责对接用户侧的应用界面以及层位解释模块。
63.配置模块，用于负责其他各个模块的初始化参数的配置，当其他模块进行初始化的操作时，则其他模块会先访问该配置模块并进行初始化参数的读取，然后再创建对应的业务实例。
64.层位解释模块，用于负责层位解释的业务实例的创建，以及业务逻辑的实现，其主要通过对深度学习模块中的各个子模块的控制与调用，并将一系列的底层操作封装成不同的业务子功能，并将业务子功能抽象成功能函数，然后将其提供给上层的api接口。
65.数据模块，用于负责读取地震数据和创建层位数据，并提供相应的数据操作，如创建层位(horizon)等。
66.其中，该data模块还包括两个子模块：数据加载(dataloader)子模块和基础数据(basicdata)子模块，其分别用于加载数据和创建数据实例。
67.dl模块，是获取层位解释的算法核心模块，其包括四个子模块，分别是模型(model)子模块、数据集(dataset)子模块、训练器(trainer)子模块以及估计器(estimator)子模块。
68.其中，model子模块，用于负责神经网络的构建、网络参数的保存和读取。
69.dataset子模块，用于负责构建可供深度学习训练用的数据集。
70.trainer子模块，用于负责协调dataset子模块与model子模块，并用于具体执行训练功能。
71.estimator子模块，用于负责利用已有模型进行层位追踪推理，并用于内部实现多种推理模式。
72.下文将首先结合图2对本技术提供的一种获取地震层位解释的方法进行描述，之后将结合图3至图6对本技术提供的一种获取地震层位解释的方法做进一步的描述。
73.图2示出了本技术提供的一种获取地震层位解释的方法的示意流程图，具体方法流程如图2所示。
74.s210，获取第一点集。
75.应理解，第一点集包括地震数据中为用户标注的数据点。地震数据包括分布于多个层位的数据点。第一点集的数据点位于目标层位，但是组成该目标层位的数据点并不限于在第一点集，其可以扩展至第二点集，其中，地震数据还包括该第二点集，且该第二点集是由未被用户标注的数据点所组成的点集。
76.应理解，本技术实施例对第一点集与第二点集所包括的数据点的数量不作限定，其可以是仅包括一个，或者多个，均可。
77.应理解，该装置能够以联动交互的方式获取用户所标注的第一点集，如此，便于用户基于自身的需求对地震数据中所感兴趣的目标层位进行针对性的分析。
78.s220，基于对第一点集中的数据点进行训练，获得推理模型。
79.该装置在获取到用户标注的第一点集之后，将第一点集添加到训练集中，并对该训练集进行分析，并获得推理模型。
80.应理解，通过对第一点集的数据点进行训练，并基于此项训练确定推理模型，该装置能够利用该推理模型并结合其他参数对第二点集的数据点执行推理分析，并从第二点集的数据点中确定属于目标层位的数据点，继而确定该目标层位的层位解释。
81.s230，获取阈值与推理方式。
82.该装置能够通过api接口获取用户设置的对于目标层位的阈值与推理方式。该阈值可以理解为一个概率值，其所代表的含义是指地震数据中的某一个数据点的正确程度。
83.通过设置一个阈值，该装置能够从地震数据的第二点集的数据点中筛选出大于或者等于该阈值的数据点，从而有助于得出结果稳定的地震层位解释结果。
84.应理解，该装置支持灵活调整阈值的方式对地震数据的第二点集的数据点作筛选工作。
85.该推理方式可以理解为该装置对地震数据的第二点集的数据点作筛选工作的具体工作方式。该推理方式包括以下任意一种或多种：当前剖面推理、沿侧面推理和种子点全空间推理。如此，本技术通过提供多种推理方式，便于用户根据需求确定合适的推理方式，最终获取结果稳定的地震层位解释结果。
86.s240，基于推理模型、阈值与推理方式，确定第二点集中属于目标层位的数据点。
87.具体地，当推理方式是当前剖面推理时，该步骤包括如下内容：
88.#a1：从第一点集中确定第三点集，第三点集包含的数据点属于同一剖面；
89.#a2：获取阈值；
90.#a3：基于推理模型、第三点集与阈值对剖面作追踪，确定第二点集中属于目标层位的数据点。
91.应理解，在上述步骤#a2中，该阈值是前述步骤s230中用户所设置的阈值。
92.具体而言，用户可以选择主测线(inline)方向或者联络(crossline)测线方向的一个剖面，即当前剖面，并设定当前剖面的第三点集，该第三点集可以包括在该剖面上以已有的层位为种子点的数据点，且该第三点集属于第一点集，并结合用户在前述步骤s230中所设置的阈值，向该第三点集的数据点的两侧对该当前剖面进行追踪。
93.本技术通过在2d剖面的层位追踪中应用该推理方式，并当剖面中同相轴较为连续时，可获得较好的追踪结果。
94.又具体地，当推理方式是沿侧线推理时，该步骤包括如下内容：
95.#b1：从第一点集中确定第四点集，第四点集包含的数据点属于多个相邻的剖面；
96.#b2：获取阈值与步长；
97.#b3：基于推理模型、第四点集、阈值和步长，对该多个相邻的剖面作追踪，确定第二点集中属于目标层位的数据点。
98.应理解，该第四点集包括的数据点是已得到解释的数据点，这些得到解释的数据点将作为向与多个相邻的剖面作追踪的种子点。
99.具体而言，用户可以选择inline方向或者crossline方向的一个剖面，即第一剖面，并以该第一剖面上已有的层位为种子点，并结合用户设置的阈值与步长l，该步长l的值可以为正，也可以为负，并根据该阈值与步长向与该第一剖面相邻的l(绝对值)个剖面进行追踪，若l《0，则向该第一剖面的反方向进行追踪。
100.本技术能够在某个方向(比较主测线或联络测线方向)上同相轴比较连续的情况下应用该推理方式，可以沿着该方向快速追踪到可靠层位。
101.再具体地，当推理方式是种子点全空间推理时，该步骤包括如下内容：
102.#c1：从第一参数组中获取一个参数，第一参数组包括八邻域与四邻域；
103.#c2：从第二参数组中获取一个参数，第二参数组包括最优模式与最快模式；
104.#c3：根据推理模型、阈值、从第一参数组中获取的参数与从第二参数组中获取的参数，对地震数据作追踪，确定第二点集中属于目标层位的数据点。
105.应理解，通过上述的第一参数与第二参数之间的组合或者配对关系，该装置能够更好地帮助用户获取合适的且更为可靠的地震层位解释。
106.应理解，该推理方式是全空间的搜索，并不具有指向性，因此该推理方式能够适用于所有情况。
107.本技术通过支持设定不同的参数之间的组合方式，即第一参数组中选定的一个参数与第二参数组中选定的一个参数之间的组合方式，从而便于用户能够根据自身的需求获取该装置反馈的对目标层位的地震层位解释。
108.s250，根据第一点集和从第二点集中确定出的数据点，获得目标层位的地震层位解释。
109.通过前述步骤s210-s240，该装置已经获取了与该目标层位相关的大部分数据点，并能够在此之上，获取与该目标层位对应的地震层位解释结果。
110.作为一种可能的实现方式，该装置支持获取更新后的阈值和/或推理方式，并基于更新后的阈值和/或推理方式，确定更新后的地震层位解释。
111.通过获取用户更新后的阈值和/或推理方式，本技术支持获取结果更为可靠且更为完整的与目标层位对应的更新后的地震层位解释结果，从而使与目标层位对应的地震层位解释结果更为稳定和可靠。
112.作为一种可能的实现方式，该方法还可以包括如下技术方案：
113.s260，从目标层位的地震层位解释中获取多个数据点。
114.s270，通过聚类分析，从目标层位的地震层位解释中所获取的多个数据点中确定
正常点集与异常点集。
115.s280，基于正常点集对异常点集作修正。
116.具体而言，当用户认为目标层位的地震层位解释结果中存在错误或者需要修正的部分时，用户可以以联动交互的方式从该目标层位的地震层位解释中圈定或者选定修正区域，或者说是从该目标层位的地震层位解释中获取多个数据点，且该多个数据点属于该修正范围或者区域内，然后对该多个数据点作聚类分析，将该多个数据点划分为正常点集与异常点集，本技术对正常点集与异常点集容纳的数据点的数量不作限定。对应地，该装置以正常点集为基准对异常点集作修正处理。
117.示例性地，若存在三个数据点，分别是第一数据点、第二数据点和第三数据点，其中，第一数据点与第二数据点属于正常点集，第三数据点属于异常点集。第一数据点的层位值为108，第二数据点的层位值为104，第三数据点的层位值为90，该装置以第一数据点与第二数据点的层位值的平均值为校正值，并结合层位落差阈值对第三数据点执行修正。例如，第一数据点与第二数据点的层位值的平均值为106，该层位落差阈值是5，则修正后的第三数据点的层位值居于101与111之间，如此，本技术能够实现对异常点集的修正操作，从而使与目标层位对应的地震层位解释结果更为可靠与稳定。
118.应理解，用户设置一定的修正范围和层位落差阈值，该装置具有异常层位修复与空缺层位填补功能。之后，用户可以选择将修正后的层位值更新到horizon中，亦即，用户能够获取新的地震层位解释，并使用该新的地震层位解释来覆盖原来在horizon中保存的地震层位解释。
119.需要说明的是，该修正过程是由该装置的估计器完成的。并结合一定的算法对该多个数据点作聚类分析、修正处理。
120.还需要说明的是，上述的修正方案可以是以循环的方式实现，直至用户确定该目标层位的地震层位解释结果不需要修正为止。
121.通过上述技术方案，本技术能够实现用户对所获得的地震层位解释做出修正，并基于正常点集，修正异常点集，从而使用户所获得的地震层位解释变得更为可靠。
122.作为一种可能的实现方式，本技术支持用户手动删除错误数据点或者手动修改错误数据点的层位值。
123.作为一种可能的实现方式，本技术支持用户对目标层位的地震层位解释结果不满意时，可以对在上述方案中所设置的阈值和/或推理方式做出更改，并基于更改后的阈值和/或推理方式确定更新后的地震层位解释结果。需要说明的是，上述方案可以是以循环的方式实现，直至用户确定目标层位的地震层位解释结果不需要更新且可靠为止。
124.应理解，该地震数据包括至少一个层位，且该至少一个层位包括该目标层位。
125.应理解，层位是指在地质上属于在相同时期沉积形成的，在地震数据上具有相同的反射性质。例如，层位可以是天然气地层、石油地层等等。
126.应理解，用户可以通过在三维与二维之间以联动交互的方式在地震数据的目标层位中标注第一点集。
127.应理解，该第一点集是用于构造深度学习模型的数据点的集合的统称，该第一点集中所包括的元素可以是具体的种子点，也可以是其他的任何形式或者名称，本技术并不对此做具体限定。
128.应理解，在本技术实施例中，种子点是指当前的层位解释结果是由一个一个点构成的，在下一次追踪时，这些点就被视为种子点，用于向其它点搜索的“原点”。
129.应理解，在本技术实施例中，层位值是每一个数据点或者种子点的固有属性，其用于表征种子点或者数据点的地理高度(也就是该点的层位高度)。一个层位可以包括多个种子点或者层位点，且每个层位点可以包括一个层位值，换言之，层位-种子点(层位点)-层位值三者之间具备关联关系。
130.通过上述技术方案，本技术能够实现获取更为稳定可靠的对地震地层体的层位解释，以及还能够有效地节省大量的人工及时间成本。
131.作为一种可能的实现方式，当对该训练集进行训练并得到推理模型之后，该方法还包括：
132.根据该推理模型对地震数据进行预测，该预测方式包括提前预测和追踪与预测并行。
133.具体而言，在数据量较大的情况下，本技术通过采取提前预测的方式，能够实现在追踪之前(或者，在进行推理之前)，只需通过一次计算，就确定地震数据的每个数据点的概率值，之后即使每次均需要调整阈值，也不需要再重复计算，从而可以节约时间，从而便于用户获取该系统反馈的与目标层位对应的地震层位解释。在数据量较小的情况下，本技术通过采取追踪与预测并行的方式，可以使用户察觉不到用于计算的时间耗费，从而便于用户获取目标层位的地震层位解释。
134.需要说明的是，该预测的动作是在确定推理模型之后，且在进行推理之前进行的。
135.下文将结合图3至图7对图2所示的方法做进一步的描述。
136.图3示出了本技术提供的一种获取地震层位解释的方法的一种流程示意图。具体内容如图3所示。
137.s301，发送读取地震数据指令。
138.具体地，该装置通过api接口与用户对接，因此可以通过api接口接收到用户发送的读取地震数据指令。
139.s302，发送地震数据参数。
140.在接收到用户指令后，该装置通过api接口会向data模块发送地震数据参数。例如，该参数可以是关于地震数据体的维度信息、类型信息，等等。
141.s303，创建数据加载与读取地震数据。
142.应理解，该data模块会针对该地震数据体创建dataload类，并调用其功能来读取地震数据，并将读取到的地震数据以三维方式向用户展示。
143.s304，发送读取完成指令。
144.该data模块在完成读取地震数据的操作之后，会向api接口发送读取完成的反馈信息。
145.s305，展示三维地震数据。
146.该装置通过api接口向用户展示三维地震数据。
147.应理解，该装置在接收到用户指令后，利用api接口向data模块发送地震数据参数，然后该数据模块会针对该地震数据体创建data load类，并调用其功能来读取地震数据，并将读取到的地震数据以三维方式向用户展示。
148.图4示出了本技术提供的一种获取地震层位解释的方法的又一种流程示意图。具体内容如图4所示。
149.s401，发送执行层位解释业务指令。
150.应理解，该装置基于api接口获取用户发送的执行层位解释业务指令之后，会开启执行层位解释业务。
151.s402，向数据模块模块发送创建层位指令。
152.应理解，在用户发送执行层位解释业务的指令之后，该数据模块在接收到来自api接口发送的创建层位指令之后，其将创建新的层位(horizon)，该层位用于存放层位解释数据。
153.s403，向层位解释模块发送创建业务示例指令。
154.应理解，应理解，在用户发送执行层位解释业务的指令之后，该层位解释模块在接收到来自api接口发送的创建业务实例指令之后，其将启动业务的初始化工作。
155.s404，启动初始化。
156.应理解，在收到创建业务实例的指令之后，该层位解释模块先访问配置模块，读取默认配置，即读取初始化参数，并开始对深度学习模块的各个子模块进行初始化的过程，待所有模块的初始化过程完成后，该装置返回到层位解释业务的界面，从而用户能够得知该装置已完成初始化过程。
157.s405，发送创建业务子模块实例的指令。
158.应理解，该层位解释模块向深度学习模块发送创建业务子模块实例，用于激活该深度学习的各个子模块功能。
159.s406，创建业务子模块实例。
160.应理解，深度学习学习在接收到来自层位解释模块的创建业务子模块实例的指令之后，开始创建业务子模块实例的工作，具体包括：创建数据集、创建模型、创建训练器和创建估计器。
161.对于此部分的描述，可以参考前述描述，在此不再赘述。
162.s407，反馈完成业务初始化工作。
163.s408，展示层位解释界面。
164.应理解，该数据模块创建的层位也能被理解为数据库，其用于存储层位解释的数据。
165.用户在开启层位解释的业务之后，该数据模块将创建新的层位，该层位用于存放层位解释的数据，层位解释模块会创建业务实例，并开始对深度学习模块的各个子模块进行初始化的过程，待所有模块的初始化过程完成后，该装置返回到层位解释业务的界面，从而用户能够得知该装置已完成初始化过程。
166.图5示出了本技术提供的一种获取地震层位解释的方法的再一种流程示意图。具体内容如图5所示。
167.应理解，图5所示的第三流程是一个迭代交互的过程，其中，用户的作用主要是对目标层位的地震层位解释结果的质量监控、参数调整，以及标注样本点。具体步骤按如下所示：
168.s501，标注第一点集。
169.应理解，用户标注第一点集的过程可以参考前述描述，在此不再赘述。
170.s502，向数据模块发送保存第一点集至层位的指令。
171.s503，发送构建数据集并训练的指令。
172.应理解，层位解释模块在接收到来自api接口发送的构建数据集并训练的指令之后，其将该指令发送给深度学习模块，并由该深度学习模块具体执行该指令。
173.s504，将第一点集添加到数据集。
174.s505，启动训练器。
175.s506，更新模型。
176.应理解，对于前述步骤s504至s506，该深度学习模块的数据集子模块会自动创建训练集与验证集，然后启动训练器子模块，该训练器子模块能够调用数据集子模块创建的数据集并进行模型的训练，并把训练好的模型更新给模型子模块，此时用户界面收到训练完毕提示。
177.s507，反馈训练完成。
178.应理解，在深度学习模块的各个子模块完成相应的任务之后，其会向层位解释模块发送训练完成的反馈信息，并由该层位解释将该反馈信息发送至api接口。
179.s508，展示训练完成界面。
180.应理解，api接口接收到来自层位解释模块反馈的训练完成信息之后，该接口会将训练完成界面展示给用户，从而用户得知该装置已完成训练过程。
181.应理解，用户通过在3d与2d之间以联动交互的方式在目标层位中标注第一点集，之后，该装置将第一点集保存至由数据模块所创建的层位，并向深度学习模块传达构建数据集并训练的指令。
182.需要说明的是，图5所描述的过程是一个迭代的过程，即，表示用户可以重复上述过程，直至用户认为不需要进行上述过程为止。
183.图6示出了本技术提供的一种获取地震层位解释的方法的另一种流程示意图。具体内容如图6所示。
184.s601，获取阈值与推理方式。
185.基于训练好的推理模型，用户能够进入交互式阈值设置阶段。
186.具体而言，用户首先设置一个相对中间的阈值(例如，0.5)，并选择一种推理方式。
187.s602，向深度学习模块发送用户设置的阈值与推理方式。
188.具体地，api接口将用户设置的阈值与推理方式发送给层位解释模块，并由层位解释模块发送给深度学习模块。
189.s603，进行追踪。
190.应理解，该深度学习模块的估计器子模块支持三种推理方式：当前剖面推理、沿测线推理、种子点全空间追踪。对三种推理方式的描述可以参见前述内容，在此不再赘述。
191.当选择好阈值与推理方式之后，用户可以启动估计器子模块并用训练好的模型进行图例化过程，然后该装置可以将估计器子模块推理出的结果以可视化方式反馈给用户，用户再进行相应的可靠性监控。
192.s604，返回结果。
193.具体地，深度学习模块将获得的推理结果发送至层位解释模块，并由层位解释模
块发送给api接口，再由api接口将推理结果以可视化的方式呈现给用户。
194.s605，对结果进行可靠性监控。
195.如果用户认为目标层位的地震层位解释结果不可靠，则用户可以选择调大阈值，重复该过程；若用户认为目标层位的地震层位解释可靠，则将地震层位解释添加至层位。
196.需要说明的是，图6所描述的过程是一个迭代的过程，即，表示用户可以重复上述过程，直至用户认为不需要进行上述过程为止。
197.当用户认为此时还有较多层位没有被解释，则用户可以返回主循环，再次选择少量样本点，对未解释的层位重复上述的整个过程。
198.图7示出了本技术提供的一种获取地震层位解释的方法的再又一种流程示意图。具体内容如图7所示。
199.s701，选定修正范围。
200.应理解，用户可以选择对获得的目标层位的地震层位解释进行可靠性监控，如果用户发现目标层位的地震层位解释中存在不可靠的层位值，则可以进行相应的处理。
201.s702，执行修正。
202.具体而言，该装置提供三种修正方式：
203.1)直接将不可靠的层位值删除；
204.2)通过交互模式手动修改层位值；
205.3)通过区域修正算法进行修正层位值。
206.应理解，对于上述的三种修正方式，可以参考前述描述，在此不再赘述。
207.s703，发送修正结果。
208.应理解，深度学习模块完成对修正范围的数据点的修正之后，其将修正结果发送至数据模块。
209.s704，在层位中更新层位值。
210.应理解，该装置的数据模块使用修正结果覆盖原来的地震层位解释结果。
211.需要说明的是，图7所示的修正是针对第三种修正方式进行描述的，如果用户选择第一种和第二种修正方式对目标层位的地震层位解释结果做修正，即可以联动交互的方式直接进行修正，不需要设置修正范围并借助算法来执行。
212.需要说明的是，图7所描述的过程是一个迭代的过程，即，表示用户可以重复上述过程，直至用户认为不需要进行上述过程为止。
213.下文将结合图8至图10对本技术提供的技术方案做进一步的描述。
214.正如前文所述，该深度学习模块中的模型子模块主要负责模型的构建，并且，本技术对能够适用于该装置的神经网络的层数不做具体限定，只需该一维神经网络能够保证输入维数和输出维数保持一致即可。本技术也支持建立多层神经网络模型。
215.下文将以改进的1du-net神经网络为例，对本技术的技术方案做进一步的描述，该1d u-net的网络结构具体如图8所示。
216.具体而言，在图8所示的神经网络结构示意图中，该残差模块包括两种类型，分别是残差模块_a(resblock_a)和残差模块_b(resblock_b)，上采样(upsample)是线性插值上采样，拼接(concatenate)是特征(feature)的拼接操作，各个模块的内部结构如图8所示。
217.该残差模块_a包括一维卷积(conv1d)、批处理规范(batchnormalization，
batchnorm)、线性修正单元(rectified linear unit，relu)、conv1d，且这些组成之间的连接关系具体如图9所示。
218.该残差模块_b包括batchnorm、relu、conv1d，其是一个循环结构，且这些组成之间的连接关系具体如图8所示。
219.该卷积模块包括conv1d、batchnorm、relu、conv1d，且这些组成之间的连接关系具体如图9所示。
220.应理解，在conv1d中，所有卷积核的尺寸都为3x3。
221.在图8所示的神经网络的示意图中，该输入可以被理解为编码器，该输出可以被理解为解码器。
222.该编码器是由5个残差模块组成，并且需要依次经过四次下采样，并经过一个一维卷积，之后解码器经过四次上采样，每次上采样后与编码器相同分辨率的feature按照channel维度拼接，作为到下一个残差模块的输入，并最后经过一个一维卷积，最终得到网络的最终输出。
223.在本技术中，该深度学习模块的模型子模块提供对神经网络尺寸进行缩放的接口，在默认情况下，n0，n1，n2，n3，n4＝16，32，64，128，256，且缩放参数s＝1。
224.用户可通过用户界面(user interface，ui)自行定义缩放参数s，继而使维度变成int(n0*s)、int(n1*s)、int(n2*s)、int(n3*s)、int(n4*s)的形式。
225.当s越大，则神经网络模型的参数量越多，则愈适合复杂工区，当s越小，则神经网络的模型参数量越少，则愈适合简单工区。
226.模型子模块负责构建数据集，示例性的构建方式如图10所示(图10是一种层位样本点的示意图)，黑色点为人工标记的层位点，以period为窗口，截取该标记点所在地震道的一维信号，截取信号中需要包含人工标记点，其对应的标签构造公式如下：
[0227][0228]
其中，i是一维标签向量位置索引，index是人工标记点在一维地震信号的位置。
[0229]
数据集子模块将所有样本点随机分成训练集与验证集，示例性地，该训练样本占80％，该验证样本占20％。
[0230]
在本技术实施例中，数据集子模块采用了多种数据增强手段，包括但不限于上下偏移采样，振幅反转与上下反转，等等。
[0231]
训练器子模块负责模型的训练，并且需要在该训练器子模块中定义模型训练的损失函数，本技术实施例采用交叉熵作为该训练器子模块的loss函数，计算公式如下：
[0232][0233][0234]
其中，n是样本个数，out是网络输出，pred是out的softmax结果。
[0235]
应理解，softmax是指归一化指数函数，其形式就是上面的表达式，pred是变量，代表网络预测结果。
[0236]
应理解，该训练器子模块可调节的参数有训练轮数(epoch)、批大小(batchsize)、学习率(learning rate)、动量(momentum)、权重衰减因子(weightdecay)、学习率衰减因子(gamma)、学习率衰减轮次间隔(step)。
[0237]
应理解，该训练器子模块在训练过程中记录验证集的损耗(loss)，并将当前对应验证集最小loss的模型记录为最优模型，训练结束后，返回最优模型。
[0238]
其中，估计器子模块负责对地震数据进行层位追踪的推理，并示例性地采用了种子点全空间推理的思想，具体步骤按如下所示：
[0239]
#d1：计算所有地震道的预测概率，得到概率体；
[0240]
#d2：以当前层位的已知点作为种子点，实施种子点追踪；
[0241]
#d3：返回推理结果。
[0242]
另外，该估计器子模块还具有异常点修正和空值补全功能，具体步骤按如下所示：
[0243]
#e1：对用户选择的待修正区域的层位值进行聚类分析：
[0244]
#e2：识别异常层位值位置、空值位置；
[0245]
#e3：对异常值、空值位置对应的地震道进行预测，并求新的层位值。
[0246]
应理解，该估计器子模块还能够提供三种推理方式。对于三种推理方式，具体内容可以参考前述描述，在此不再赘述。
[0247]
需要说明的是，该估计器提供了概率计算的预计算选项，若开启预计算，则先批量计算地震道的概率，得到概率体；若关闭，则边追踪边计算。
[0248]
应理解，该估计器子模块的可调参数包括但不限于追踪阈值(threshold)、概率计算批大小(batchsize)、沿测线追踪步长(forward step)、搜索倾角范围(dip range)、层位值搜索范围(depth range)、搜索邻域(neighborhood)、搜索模式(track mode)、修正半径(refinement radius)、修正阈值(refinement threshold)，等等。
[0249]
图11示出了本技术提供的一种获取地震层位的系统的用户界面示意图，具体如图11所示。
[0250]
应理解，在图11所描述的装置的用户界面示意图中，其总体来说，该用户界面可以分成两个区域，分别是上部区域和下部区域，并且，该下部区域又可以分成左侧区域、中间区域和右侧区域。示例性地，该用户界面的上部区域是业务区，分别是数据读取、层位解释等业务区。示例性地，该用户界面的下部区域的左侧区域集中了用于具体执行获取地震层位解释业务的功能栏，该功能栏内所包括的各个子功能与深度学习模块的各个子模块呈一一对应。示例性地，该子功能1可以对应着深度学习模块的数据集子模块，该子功能2可以对应着深度学习模块的训练器子模块，该子功能3可以对应着深度学习模块的模型子模块，该子功能3可以对应着深度学习模块的估计器子模块。
[0251]
应理解，在功能栏的每个子功能内，其又可以包括参数设置版面和功能按钮版面，示例性地，该参数设置版面可以包括参数设置1和参数设置2，该功能按钮版面可以包括功能按钮1和功能按钮2。
[0252]
应理解，该参数设置版面支持用户可以灵活地根据己身的需求设定相应的参数，该功能按钮版面支持用户可以灵活地驱动该系统，并可以实时地获取由该用户设定的参数而实现的结果。示例性地，当该系统获取用户在地震数据的目标层位中标注的点集之后，用户可以在该用户界面的功能栏中，并可以在对应的子功能中，进行相关参数的设置和功能
按钮的使用，示例性地，当用户在地震数据的目标层位中标注第一点集之后，可以在子功能2中(深度学习模块的训练器子模块)进行参数的设置，以及功能按钮的使用，从而驱动该深度学习模块的训练器子模块开始工作，从而可以对该用户标注的第一点集进行训练，获得推理模型。又示例性地，用户可以在子功能4中(深度学习模块的估计器子模块)中进行阈值与推理方式的设置，并可以使用相应的功能按钮，从而可以实时地获取结果。
[0253]
具体而言，该用户界面的中间区域是一个3d可视化窗口显示区域，该3d可视化窗口显示区域支持对整个工区的三维地震体进行三个方向(x、y和z)的切片显示，并且还可以支持用户使用鼠标可以拖动并阅览其所感兴趣的三维地震体的部分区域，或者说是用户感兴趣的切片。
[0254]
当用户使用鼠标拖动该三维地震体中的任意一个方向的切片时，该切片的细节放大或者二维方向的细节放大显示可以在该用户界面的右侧区域，即在2d可视化窗口显示区域中得到实时的显示。换言之，用户可以通过3d可视化窗口和2d可视化窗口之间的联动交互的方式来对整个工区的三维地震体的数据进行分析。示例性地，用户可以通过3d可视化窗口和2d可视化窗口之间的联动交互的方式来标注其所感兴趣的区域或者是目标层位。
[0255]
图12是本技术提供的一种获取地震层位解释的装置的用户界面的3d和2d窗口的功能示意图。应理解，该用户界面的3d可视化窗口还能够支持可叠加层位显示(见图12(a)，其中，深色是层位)，同时2d可视化窗口还可以支持以散点形式对用户选中的剖面的层位值进行显示(见图12(b)，其中，散点是层位)。
[0256]
需要说明的是，用户还能够在用户界面的右侧区域，即2d可视化窗口区域中，完成标注第一点集、删除层位值、手工修正层位值等任务。同时，该用户界面的2d可视化窗口还可以显示层位值的俯视图，从而能够便于用户进行层位值的观察与自动区域修正操作等任务。
[0257]
本技术实施例还提供一种计算设备集群，该计算设备集群的结构示意图具体如图13所示，所述计算设备集群包括至少一个计算设备1300。计算设备集群中的一个或多个计算设备1300中的存储器1306中可以存有相同的标注装置200用于执行标注方法#200的指令。
[0258]
在一些可能的实现方式中，该计算设备集群中的一个或多个计算设备1300也可以用于执行标注装置104用于执行标注方法100的部分指令。换言之，一个或多个计算设备400的组合可以共同执行装置100用于执行前述实施例中所述的获取地震层位解释方法的指令。
[0259]
需要说明的是，计算设备集群中的不同的计算设备1300中的存储器1306可以存储不同的指令，用于执行装置100的部分功能。
[0260]
图14示出了本技术提供的又一种计算设备集群的结构示意框图。如图14所示，两个计算设备1300a和1300b通过通信接口1308实现连接。计算设备1300a中的存储器上存有用于执行交互单元202和处理单元206的功能的指令。计算设备1300b中的存储器上存有用于执行存储单元204的功能的指令。换言之，计算设备1300a和1300b的存储器1306共同存储了装置100用于执行前述实施例中所述的获取地震层位解释方法的指令。
[0261]
图14所示的计算设备集群之间的连接方式可以是考虑到本技术提供的前述实施例中所述的获取地震层位解释方法需要获取地震数据。因此，考虑将存储功能交由计算设
备1300b执行。
[0262]
应理解，图14中示出的计算设备1300a的功能也可以由多个计算设备1300完成。同样，计算设备1300b的功能也可以由多个计算设备1300完成。
[0263]
在一些可能的实现方式中，计算设备集群中的一个或多个计算设备可以通过网络连接。其中，所述网络可以是广域网或局域网等等。图15示出了一种可能的实现方式。如图15所示，两个计算设备1300c和1300d之间通过网络进行连接。具体地，通过各个计算设备中的通信接口与所述网络进行连接。在这一类可能的实现方式中，计算设备1300c中的存储器1306中存有执行交互单元202的指令。同时，计算设备1300d中的存储器1306中存有执行存储单元204和处理单元206的指令。
[0264]
图15示出了本技术提供的又一种计算设备集群的结构示意框图。其中，所示的计算设备集群之间的连接方式可以是考虑到本技术提供的前述实施例中所述的获取地震层位解释方法需要获取地震数据，和执行大量的计算，因此考虑将存储单元204和处理单元206实现的功能交由计算设备1300d执行。
[0265]
应理解，图15中示出的计算设备1300c的功能也可以由多个计算设备1300完成。同样，计算设备1300d的功能也可以由多个计算设备1300完成。
[0266]
本技术实施例还提供一种计算机可读存储介质，其上存储有用于实现上述方法实施例中所述方法的计算机指令。
[0267]
例如，该计算机程序被计算机执行时，使得该计算机可以实现上述方法实施例中所述方法。
[0268]
本技术实施例还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得该计算机实现上述方法实施例中所述方法。
[0269]
本技术将围绕包括多个设备、组件、模块等的系统来呈现各个方面、实施例或特征。应当理解和明白的是，各个系统可以包括另外的设备、组件、模块等，并且/或者可以并不包括结合附图讨论的所有设备、组件、模块等。此外，还可以使用这些方案的组合。
[0270]
另外，在本技术实施例中，“示例的”、“例如”等词用于表示作例子、例证或说明。本技术中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。
[0271]
本技术实施例中，“相应的(corresponding，relevant)”和“对应的(corresponding)”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。
[0272]
本技术实施例描述的网络架构以及业务场景是为了更加清楚地说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
[0273]
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都
意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0274]
本技术中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：包括单独存在a，同时存在a和b，以及单独存在b的情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b，或c中的至少一项(个)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。
[0275]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。