1.基于恒等快捷映射的深层卷积神经网络自动层位追踪方法,其特征在于,包括以下步骤:
s1、对地震剖面图像进行预处理;
s2、使用恒等快捷连接卷积神经网络对地震反射特征进行提取、压缩和精炼;
s3、对步骤s2提取的信息进一步采集局部特征以及全局特征;
s4、将采集的特征进行分类计算。
2.根据权利要求1所述的基于恒等快捷映射的深层卷积神经网络自动层位追踪方法,其特征在于,所述步骤s1具体包括以下子步骤:
s11、将整个地震剖面划分成多个小图像块,每个小图像块大小为32×32;
s12、将标签分配给每个小图像块,具体实现方法为:判断每个小图像块的中心是否位于层位上,若是则将该图像块标记为1,否则标记为0;
s13、将图像块数据进行二分类训练,以判别该图像块的中心位置是否处于层位上;
s14、对非层位数据进行处理:设定遗失概率来降低得到的非层位图像块的数量,设置遗失概率为0.5,即随机选取50%的非层位数据进行舍弃;同时在层位上设定偏差值,若一个小图像快的中心点与某个确定的层位的距离在偏差值范围内,即使该数据被人工标记标定为非层位,也认定该数据为层位数据,标记为1;
s15、从层位数据集合中提取20%作为验证数据,用于对模型超参数进行调整;其余数据作为训练数据;
s16、对数据进行归一化处理:使用min-max规范化方法,使数据尺度被规范化到0-1范围内;min-max规范化方法通过以下公式实现:
其中xnor为规范化后的数据,x为原始的地震数据,xmax和xmin分别为地震振幅中的极大值和极小值。