【技术实现步骤摘要】
本专利技术属于地球物理，尤其涉及一种基于tx-fk域信息的微地震初至智能拾取方法。
技术介绍
1、微地震初至拾取通常指从微地震记录中识别并提取初至波，是微地震监测中的关键环节。目前，结合深度学习技术的微地震初至智能拾取方法已经得到广泛关注和研究，部分方法能够自动化处理复杂微地震数据，提高初至拾取效率和精度。然而，现有的初至拾取方法主要利用时间-空间（tx，time-space）域信息，容易受到噪声影响。其原因是这类方法仅利用单一域信息，难以在噪声环境中准确捕捉到足够的、与初至波相关的信息。对于大多数实际工区，微地震数据的信噪比较低，导致这类方法拾取初至的精度不高。因此，需要一种能够提取多域信息的微地震初至拾取方法，从而在低信噪比情况下提升微地震初至拾取精度。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种基于tx-fk域信息的微地震初至智能拾取方法，通过构建一个具有双通道输入的组合u-net模型，同时从tx域和fk域的微地震数据中提取特征，并对特征进行特征融合从而得到准确的初至拾取结果；本方法具有较好的抗噪能力，能够在低信噪比情况下拾取得到具有较高精度的微地震初至信息。
2、为实现上述目的，本专利技术提供了一种基于tx-fk域信息的微地震初至智能拾取方法，包括：
3、对微地震数据进行处理获得tx域数据，基于所述tx域数据获得fk域数据；
4、构建组合u-net模型，所述组合u-net模型用于微地震初至智能拾取；
5、基于所
6、将待拾取的微地震数据经过处理后输入所述训练好的组合u-net模型，获得输出结果，对所述输出结果进行处理获得拾取结果，完成微地震初至拾取。
7、可选的，对微地震数据进行处理获得tx域数据包括：
8、将所述微地震数据提取部分道，通过步长步进的方式将所述微地震数据分割成若干小块，获得tx域数据。
9、可选的，基于所述tx域数据获得fk域数据包括：
10、对所述tx域数据进行二维傅里叶变换处理，获得fk域数据。
11、可选的，构建所述组合u-net模型，其中包括：第一特征提取模块、第二特征提取模块和特征融合模块；
12、所述第一特征提取模块，用于根据所述tx域数据提取tx域数据特征；
13、所述第二特征提取模块，用于根据所述fk域数据提取fk域数据特征；
14、所述特征融合模块，用于将所述tx域数据特征和所述fk域数据特征进行融合，获得融合特征信息，对所述融合特征信息进行卷积操作处理，获得卷积结果，完成所述组合u-net模型的构建。
15、可选的，所述第一特征提取模块包括第一编码器、第一瓶颈层和第一解码器；
16、所述第一编码器，对输入的tx域数据通过卷积层提取局部特征，之后紧跟一次下采样，该操作重复两轮，最终获得两次下采样后的特征图；
17、所述第一瓶颈层，对第一编码器的下采样特征图通过深度卷积层进一步提取更高层次的特征；
18、所述第一解码器，对瓶颈特征图进行上采样并卷积，利用跳跃连接将编码器中相应层的特征图与解码器当前特征图拼接，随后通过卷积层进一步提取特征，该完整操作进行两轮，最终得到tx域数据特征。
19、可选的，所述第二特征提取模块包括第二编码器、第二瓶颈层和第二解码器；
20、所述第二编码器，对输入的fk域数据通过卷积层提取局部特征，之后紧跟一次下采样，该操作重复两轮，最终获得两次下采样后的特征图；
21、所述第二瓶颈层，对第二编码器的下采样特征图通过深度卷积层进一步提取更高层次的特征；
22、所述第二解码器，对瓶颈特征图进行上采样并卷积，利用跳跃连接将编码器中相应层的特征图与解码器当前特征图拼接，随后通过卷积层进一步提取特征，该完整操作进行两轮，最终得到fk域数据特征。
23、可选的，获得训练好的组合u-net模型包括：
24、基于所述tx域数据和所述fk域数据训练所述组合u-net模型，获得样本输出，计算样本输出与拾取结果的误差，更新所述组合u-net模型的超参数，直到所述误差收敛，获得训练好的组合u-net模型。
25、可选的，对所述输出结果进行处理获得拾取结果包括：
26、对所述输出结果进行合并获得二分类关键波形数据，根据所述二分类关键波形数据选取波形起始点为微地震初至点，获得拾取结果。
27、本专利技术技术效果：本专利技术公开了一种基于tx-fk域信息的微地震初至智能拾取方法，利用u-net搭建具有双输入通道的组合u-net模型；以tx域和fk域微地震数据作为样本输入，以从初至点开始的关键波形作为样本输出，构建训练样本并训练组合u-net模型；利用训练好的组合u-net模型实现微地震初至智能拾取；本专利技术通过同时提取微地震初至在tx域和fk域的特征信息，能够有效缓解常规方法在噪声环境下难以准确捕捉初至信息的问题，可以显著提高微地震初至拾取精度。
本文档来自技高网...【技术保护点】
1.一种基于TX-FK域信息的微地震初至智能拾取方法，其特征在于，包括：
2.如权利要求1所述的基于TX-FK域信息的微地震初至智能拾取方法，其特征在于，对微地震数据进行处理获得TX域数据包括：
3.如权利要求1所述的基于TX-FK域信息的微地震初至智能拾取方法，其特征在于，基于所述TX域数据获得FK域数据包括：
4.如权利要求1所述的基于TX-FK域信息的微地震初至智能拾取方法，其特征在于，构建所述组合U-net模型，其中包括：第一特征提取模块、第二特征提取模块和特征融合模块；
5.如权利要求4所述的基于TX-FK域信息的微地震初至智能拾取方法，其特征在于，所述第一特征提取模块包括第一编码器、第一瓶颈层和第一解码器；
6.如权利要求4所述的基于TX-FK域信息的微地震初至智能拾取方法，其特征在于，所述第二特征提取模块包括第二编码器、第二瓶颈层和第二解码器；
7.如权利要求1所述的基于TX-FK域信息的微地震初至智能拾取方法，其特征在于，获得训练好的组合U-net模型包括：
8.如权利要求1所述的
...【技术特征摘要】
1.一种基于tx-fk域信息的微地震初至智能拾取方法，其特征在于，包括：
2.如权利要求1所述的基于tx-fk域信息的微地震初至智能拾取方法，其特征在于，对微地震数据进行处理获得tx域数据包括：
3.如权利要求1所述的基于tx-fk域信息的微地震初至智能拾取方法，其特征在于，基于所述tx域数据获得fk域数据包括：
4.如权利要求1所述的基于tx-fk域信息的微地震初至智能拾取方法，其特征在于，构建所述组合u-net模型，其中包括：第一特征提取模块、第二特征提取模块和特征融合模块；
5.如权利要...
【专利技术属性】
技术研发人员：孙宇航，李航，李含阳，董宏丽，韩非，申雨轩，步贤业，
申请(专利权)人：东北石油大学三亚海洋油气研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。