【技术实现步骤摘要】
本专利技术涉及地震数据处理，特别涉及一种基于simplenet网络的地震数据初至拾取方法。
技术介绍
1、浅勘地震勘探中的静校正技术用于消除地形影响，其核心在于处理低速体对深层地震成像的影响。地形起伏和低速体的厚度变化会延长地震波的传播时间，导致深层地层成像扭曲，甚至产生假构造。为了减少低速体干扰，常用的静校正技术包括高程静校正、初至波静校正、折射波静校正、微测井、沙丘曲线和层析折射静校正等。然而，这些技术在实际应用中存在局限：高程静校正未考虑低速体速度和厚度变化；初至波静校正适用于低速体较薄且均匀的情况，但在厚度变化较大时效果差。因此，传统静校正技术的初至拾取的准确性不高，这成为静校正技术发展的关键挑战。
技术实现思路
1、基于此，本专利技术有必要提供.一种基于simplenet网络的地震数据初至拾取方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于simplenet网络的地震数据初至拾取方法，包括以下步骤：
3、步骤s1：获取地震炮集数据，并对地震炮集数据进行灰度图像转换，从而获得函数集中增强灰度图像集；
4、步骤s2：根据函数集中增强灰度图像集进行数据集划分，从而获得训练图像集以及测试图像集；对训练图像集进行低速体静校正，从而获得校正训练图像集；
5、步骤s3：根据函数集中增强灰度图像集进行地震初至预测模型构建，从而获得地震初至预测模型；根据校正训练图像集对地震初至预测模型进行样本训练，从而获得地震初至训练模型；对
6、步骤s4：根据优化地震初至训练模型对测试图像集进行地震初至预测，从而获得地震初至预测数据；对地震初至预测数据进行图像尺寸分类，从而获得固定尺寸图像预测数据以及任意尺寸图像预测数据；对固定尺寸图像预测数据以及任意尺寸图像预测数据进行预测结果评估，从而获得预测结果评估数据，并上传至地震炮平台处理系统，以执行地震初至预测任务。
7、本专利技术通过将地震炮集数据转换为灰度图像，这有助于简化数据处理，减少数据的复杂性，同时保留地震波的主要特征，通过函数集中增强，将图像的对比度和细节增强，从而提升图像的质量，使得后续的图像分析和模型训练更加准确，增强后的灰度图像使得地震信号更加明显，有助于提取更准确的特征，灰度图像减少了数据的维度，简化了后续处理步骤，如特征提取和模型训练。将函数集中增强的灰度图像集划分为训练集和测试集。这确保了模型的训练和评估是基于独立的数据集，从而提高模型的泛化能力，划分训练集和测试集确保了模型在未见数据上的性能评估，从而提高了模型的可靠性，对训练图像集进行低速体静校正，校正后的图像集可以减少由于速度变化引起的误差，使得地震初至预测模型能够更准确地识别地震波的初至时间，低速体静校正减少了由于速度变化造成的误差，提高了地震波初至时间的预测精度。根据增强的灰度图像集构建地震初至预测模型，该模型用于预测地震波的初至时间，使用校正后的训练图像集对模型进行训练，从而优化模型在实际数据上的表现，通过训练和优化，模型能够更准确地识别地震波的初至时间，从而提升预测准确性，对训练后的模型进行参数优化，调整模型参数以提高预测精度，经过优化的模型能够更好地适应不同的地震数据集，提高了模型的泛化能力。使用优化后的模型对测试集数据进行地震初至时间预测，优化模型可以准确预测地震初至时间，提升实际地震探测的效率，对预测结果进行图像尺寸分类，将结果分为固定尺寸和任意尺寸两类，以便更详细地分析预测效果，对预测结果进行评估，分析模型在不同尺寸图像上的表现，确保预测结果的准确性和可靠性，通过对不同尺寸图像的预测结果进行分类和评估，可以发现模型的优缺点，进一步优化模型，将评估数据上传到地震炮平台，进行进一步处理和应用。
8、可选地，步骤s1具体为：
9、步骤s11：获取地震炮集数据，并对地震炮集数据进行数据图像映射，从而获得地震炮集灰度图像；
10、步骤s12：对地震炮灰度图像进行初至函数显著标注，从而获得显著灰度图像；
11、步骤s13：对显著灰度图像进行初至函数分布标签裁剪，从而获得集中灰度图像；
12、步骤s14：根据集中灰度图像进行数据增强，从而获得集中灰度增强图像。
13、本专利技术通过从地震炮设备收集原始的地震波数据，并将其转换为可视化的灰度图像，数据映射通常包括将速度、幅度等参数通过合适的算法转换为灰度值，每个像素的灰度值反映了地下结构的物理特性，将复杂的地震数据转化为灰度图像，便于直观分析和理解地下结构，为后续的处理步骤提供清晰的基础，使得信号的处理和分析更加高效。通过识别图像中的初至波（arrival wave）信息，对图像进行显著标注，强调对分析最重要的区域，形成显著灰度图像，突出初至波位置，有助于分析地震波的传播路径和地下结构的特征，通过显著标注，降低非关键区域的干扰，有助于后续处理步骤的精确性。裁剪显著灰度图像中不必要的部分，集中关注与地下结构相关的初至波信息，获取集中灰度图像，去除冗余信息，使得后续分析集中并简化，减少计算量，集中对特定区域的分析，能够更精确地提取出关键的地质信息。通过使用各种数据增强技术（如旋转、缩放、加噪声等）对集中灰度图像进行处理，以提高后续算法的训练效果和鲁棒性，增强后的图像样本多样化，能够提升深度学习模型对新数据的适应能力，通过增强数据，不同场景下的表现会更稳定，进而提升地震波探测和地下成像的准确性。
14、可选地，步骤s14具体为：
15、步骤s141：根据集中灰度图像进行灰度图像样本提取，从而获得集中灰度图像样本数据；
16、步骤s142：对集中灰度图像样本数据进行水平镜像变换，从而获得集中灰度镜像数据；
17、步骤s143：根据集中灰度镜像数据对集中灰度图像进行图像数据替换，从而获集中灰度图像替换数据；
18、步骤s144：对集中灰度图像替换数据以及集中灰度图像进行图像增强整合，从而获得集中灰度增强图像。
19、本专利技术通过从集中灰度图像中提取出若干样本数据，这些样本可以是图像的子区域以及按特定方式选择的区域，样本提取使得不同区域的图像数据能够被单独分析和处理，从而增加数据集的多样性，提取的样本数据可以针对性地进行分析，有助于识别和处理图像中的特定特征或问题。对提取的灰度图像样本进行水平镜像变换，即对图像进行水平翻转操作，水平镜像变换增加了图像样本的多样性，有助于训练更加鲁棒的机器学习模型，对于对称性较强的图像特征（如地下结构），镜像变换可以帮助模型更好地学习和识别这些特征。使用生成的集中灰度镜像数据替换原始集中灰度图像中的部分数据，形成新的图像数据，替换操作可以增强图像中某些特定特征的表达，从而提高模型对这些特征的敏感性，通过替换操作，可以改善图像数据中的噪声或缺陷，使得最终图像数据更加清晰和准确。将集中灰度图像替换数据和原始集中灰度图像进行整合，通过各种图像增强技术（如对比度调整、噪声去本文档来自技高网...
【技术保护点】
1.一种基于SimpleNet网络的地震数据初至拾取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S1具体为：
3.根据权利要求2所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S14具体为：
4.根据权利要求1所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S2具体为：
5.根据权利要求4所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S25具体为：
6.根据权利要求5所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S252具体为：
7.根据权利要求5所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S253具体为：
8.根据权利要求1所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S3具体为：
9.根据权利要求1所述的基于SimpleNet网络的地震数据初至拾取方法
10.根据权利要求9所述的基于SimpleNet网络的地震数据初至拾取方法，其特征在于，步骤S43具体为：
...【技术特征摘要】
1.一种基于simplenet网络的地震数据初至拾取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于simplenet网络的地震数据初至拾取方法，其特征在于，步骤s1具体为：
3.根据权利要求2所述的基于simplenet网络的地震数据初至拾取方法，其特征在于，步骤s14具体为：
4.根据权利要求1所述的基于simplenet网络的地震数据初至拾取方法，其特征在于，步骤s2具体为：
5.根据权利要求4所述的基于simplenet网络的地震数据初至拾取方法，其特征在于，步骤s25具体为：
6.根...
【专利技术属性】
技术研发人员：张浩，李华丽，周远剑，施辉，陈程，
申请(专利权)人：中国地质科学院地质力学研究所，
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。