河道识别方法、深度学习模型训练方法、装置和相关设备与流程

本发明涉及地震资料处理，特别涉及一种河道识别方法、深度学习模型训练方法、装置和相关设备。

背景技术：

1、河道是油气勘探中的一种重要地质目标，准确识别河道并揭示其发育过程至关重要。例如，在盆地和远景规模分析方面，掌握河道特征有助于地貌的定量分析和沉积过程的准确认识，有助于了解沉积环境和沉积物随时间推移的主要方向；在储层规模分析方面，河道砂岩的体积及其中填充流体属性的确定至关重要；在油气田开发阶段，准确刻画河道平面宏观展布特征、沉积及其变化规律，可为开发目标区块优选、油气开发方案编制、井位和井轨迹设计等提供重要依据。

2、目前，基于地震资料的属性识别河道仍然是主要技术手段，常用于河道识别的属性有相干、谱分解、曲率、纹理、边缘检测、shearlet变换(剪切波变换)等。相干是确定河道宽度的边缘敏感属性(bahorich and farmer，1995)；谱分解是相干和其他边缘敏感属性的补充，它对河道厚度敏感并且可以检测到细小的河道(partyka，gridley和lopez 1999)；曲率可以量化曲面的弯曲程度，其中的最正和负曲率被用于检测其他属性无法识别的小河道(chopra和marfurt,2008)；纹理属性是从灰度共生矩阵的统计度量得出的(eichkitz等，2015年)，利用纹理属性来识别维也纳沉积盆地内的河道系统；图像处理中常用的边缘检测算子，例如canny和sobel算子常被用于识别地震数据中的河道(marfurt,2014)；karbalaali等(2017,2018)使用shearlet变换确定地震数据中的河道边界。

技术实现思路

1、发明人发现，尽管上述地震属性在河道识别方面得到大量的应用，并取得良好的应用效果，但是也存在以下问题：(1)都是间接反映河道特征的属性，对属性的分析很重要，需要较多的人工参与和专家经验；(2)都是定性属性，不能对河道进行定量刻画，导致对复杂河道系统及小河道的识别能力不强；(3)这些属性计算过程复杂，计算效率低，在大数据体上进行河道识别耗时耗力。

2、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种河道识别方法、深度学习模型训练方法、装置和相关设备。

3、第一方面，本发明实施例提供了一种河道识别方法，可以包括：

4、基于获取的三维叠后地震数据的振幅最大值，对所述三维叠后地震数据进行预处理；

5、将预处理后的三维叠后地震数据输入到预先训练好的卷积神经网络模型中，以识别所述三维叠后地震数据中的河道数据；

6、基于所述振幅最大值对识别出的三维叠后地震数据中的河道数据进行恢复，以得到所述三维叠后地震数据中的河道识别结果。

7、可选的，所述基于获取的三维叠后地震数据的振幅最大值，对所述三维叠后地震数据进行预处理，可以包括：

8、将所述三维叠后地震数据的振幅与所述振幅最大值作商，以使所述预处理后的三维叠后地震数据的振幅的范围在-1与1之间。

9、可选的，所述卷积神经网络模型是通过下述步骤预先训练的：

10、获取训练样本集，所述训练样本集中的每个样本包括合成地震数据体以及所述合成地震数据体中标注的河道数据体；

11、用所述训练样本集中的样本对卷积神经网络模型进行训练，将所述合成地震数据体输入到所述卷积神经网络模型中，输出所述地震数据体中的河道数据体，以确定所述卷积神经网络模型中的模型训练参数。

12、第二方面，本发明实施例提供了一种深度学习模型训练方法，可以包括：

13、获取训练样本集，所述训练样本集中的每个样本包括合成地震数据体以及所述合成地震数据体中标注的河道数据体；

14、用所述训练样本集中的样本对卷积神经网络模型进行训练，将所述合成地震数据体输入到所述卷积神经网络模型中，输出所述地震数据体中的河道数据体，以确定所述卷积神经网络模型中的模型训练参数。

15、可选的，所述获取训练样本集具体可以包括：

16、将随机生成的单道反射系数进行横向扩展，以得到预设采样点范围的三维水平层状反射系数模型；

17、基于河道沉积原理进行数值模拟，以生成存在随机数目河道的三维反射系数模型；

18、基于所述三维水平层状反射系数模型与所述存在随机数目河道的三维反射系数模型，得到包含河道的三维水平层状反射系数模型；

19、分别对所述存在随机数目河道的三维反射系数模型和包含河道的三维水平层状反射系数模型进行褶皱构造变形处理和断裂变形处理后，与预设的地震子波进行褶积，以得到所述合成地震数据体和所述合成地震数据体中标注的河道数据体。

20、可选的，所述分别对所述存在随机数目河道的三维反射系数模型和包含河道的三维水平层状反射系数模型进行褶皱构造变形处理和断裂变形处理后，与预设的地震子波进行褶积，以得到所述合成地震数据体和所述合成地震数据体中标注的河道数据体，可以包括：

21、分别对所述存在随机数目河道的三维反射系数模型和包含河道的三维水平层状反射系数模型进行褶皱构造变形处理，以得到存在随机数目河道的三维褶皱变形模型和包含河道的三维褶皱变形模型；

22、分别对所述存在随机数目河道的三维褶皱变形模型和包含河道的三维褶皱变形模型进行断裂变形，得到存在随机数目河道的三维断裂变形模型和包含河道的三维断裂变形模型；

23、分别对所述存在随机数目河道的三维断裂变形模型和包含河道的三维断裂变形模型，与预设频宽和主频的地震子波进行褶积，以得到所述合成地震数据体和所述合成地震数据体中标注的河道数据体；

24、或，

25、分别对所述存在随机数目河道的三维反射系数模型和包含河道的三维水平层状反射系数模型进行断裂变形，得到存在随机数目河道的三维断裂变形模型和包含河道的三维断裂变形模型；

26、分别对存在随机数目河道的三维断裂变形模型和包含河道的三维断裂变形模型进行褶皱构造变形处理，以得到存在随机数目河道的三维褶皱变形模型和包含河道的三维褶皱变形模型；

27、分别对所述存在随机数目河道的三维褶皱变形模型和所述包含河道的三维褶皱变形模型，与预设频宽和主频的地震子波进行褶积，以得到所述合成地震数据体和所述合成地震数据体中标注的河道数据体。

28、可选的，所述得到所述合成地震数据体之前，还可以包括：

29、对所述合成地震数据体加入预设信噪比的随机噪声。

30、第三方面，本发明实施例提供了一种根据第一方面所述的河道识别方法识别出的河道数据在油气勘探、开发中的应用。

31、第四方面，本发明实施例提供了一种河道识别装置，可以包括：

32、预处理模块，用于基于获取的三维叠后地震数据的振幅最大值，对所述三维叠后地震数据进行预处理；

33、识别模块，用于将预处理后的三维叠后地震数据输入到预先训练好的卷积神经网络模型中，以识别所述三维叠后地震数据中的河道数据；

34、恢复模块，用于基于所述振幅最大值对识别出的三维叠后地震数据中的河道数据进行恢复，以得到所述三维叠后地震数据中的河道识别结果。

35、第五方面，本发明实施例提供了一种深度学习模型训练装置，可以包括：

36、获取模块，用于获取训练样本集，所述训练样本集中的每个样本包括合成地震数据体以及所述合成地震数据体中标注的河道数据体；

37、训练模块，用于用所述训练样本集中的样本对卷积神经网络模型进行训练，将所述合成地震数据体输入到所述卷积神经网络模型中，输出所述地震数据体中的河道数据体，以确定所述卷积神经网络模型中的模型训练参数。

38、第六方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的河道识别方法，或实现如第二方面所述的深度学习模型训练方法。

39、第七方面，本发明实施例提供了一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的河道识别方法，或实现如第二方面所述的深度学习模型训练方法。

40、本发明实施例提供的上述技术方案的有益效果至少包括：

41、本发明实施例提供了一种河道识别方法、深度学习模型训练方法、装置和相关设备，该河道识别方法可以包括：基于获取的三维叠后地震数据的振幅最大值，对所述三维叠后地震数据进行预处理；将预处理后的三维叠后地震数据输入到预先训练好的卷积神经网络模型中，以识别所述三维叠后地震数据中的河道数据；基于所述振幅最大值对识别出的三维叠后地震数据中的河道数据进行恢复，以得到所述三维叠后地震数据中的河道识别结果。该方法能够对三维地震数据中的复杂河道系统、特别是小河道进行准确且定量的识别，与传统河道识别方法相比无论是识别精度还是识别效率都得到显著提升，可为与河流相关研究区域的古地貌及沉积环境分析、油气富集区优选、油气开发方案编制、井位和井轨迹设计等提供高效的技术工具支撑。

42、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

43、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。