阅读说明：本技术 一种结构和波速随机布设的三维速度地质建模方法 (Three-dimensional speed geological modeling method for random arrangement of structure and wave velocity ) 是由 蒋鹏 曹帅 杨森林 孙法合 任玉晓 高雪池 王清扬 解冬东 于 2020-10-15 设计创作，主要内容包括：本公开提供了一种结构和波速随机布设的三维速度地质建模方法,在三维空间中确定基点,根据基点建立方程确定平面层状模型,将平面层状模型的倾斜层复杂化,构建三维空间上曲面的褶皱层模型；基于三维曲面褶皱层模型,结合随机参考点的断层面,以及各点在全局坐标系中的位移,建立三维断层褶皱模型；基于三维断层褶皱模型,构造含有盐丘的速度模型,在一定深度的地质体中将盐丘向上侵入进行模拟；根据已经设定完成的层状类别,按照设定的速度范围,和每层地质之间的波速差值范围,进行随机的波速幅值,实现三维速度建模；本公开提高了深度学习方法用于地球物理反演时的模型数据量,提高了深度学习方法反演效果。(The invention provides a three-dimensional speed geological modeling method with randomly distributed structures and wave velocities, which comprises the steps of determining a base point in a three-dimensional space, establishing an equation according to the base point to determine a planar layered model, complicating a tilting layer of the planar layered model, and constructing a wrinkled layer model of a curved surface in the three-dimensional space; establishing a three-dimensional fault wrinkle model based on the three-dimensional curved surface wrinkle layer model by combining fault planes of random reference points and displacement of each point in a global coordinate system; constructing a speed model containing a salt dome based on the three-dimensional fault fold model, and simulating the upward invasion of the salt dome in a geologic body with a certain depth; according to the set layered category, according to the set speed range and the wave speed difference range between layers of geology, random wave speed amplitude values are carried out, and three-dimensional speed modeling is achieved; the method improves the model data volume when the deep learning method is used for geophysical inversion, and improves the inversion effect of the deep learning method.)

一种结构和波速随机布设的三维速度地质建模方法

技术领域

本公开属于地球物理勘探技术领域，涉及一种结构和波速随机布设的三维速度地质建模方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

地震法作为最常用的地球物理勘探方法之一，被广泛应用于石油勘探和煤田、金属矿藏探测等，具有广阔的应用前景。地震法的主要原理基于波场传播，将多个检波器布置于地表，通过多次激发人工震源产生波场并在地下介质中传播，当遇到地下介质波阻抗变化产生反射或折射返回地面，位于地面的检波器记录传播至地面的震动信息，通过成像或反演方法处理地震数据，以获取地下介质的分布信息。其中反演方法可以提高地震分辨率，得到更为准确的地下构造信息，提高对地下介质的评价能力，逐渐成为地震数据处理中不可获取的一部分。

据发明人了解，基于深度学习方法的地震数据反演方法是当前较为热门的方法，并取得了较好的效果。基于深度学习方法的地震数据反演是基于数据驱动的一种算法，本质是通过大量的数据来建立从地质模型到观测数据的映射关系，如果不能获得大量的数据，那么该算法的性能也会大打折扣。因此该方法对于数据的获取提出了很高的要求。建立合理模型，通过正演模拟获得数据是目前常用的一种方法，现有的速度建模方法主要是采用手工模型建立方法以及二维的批量速度建模方法，这些方法存在以下问题：

第一，建模成本太高；

在传统建模方法中，建立复杂速度模型通常依赖于对地球某个地下区域的地震勘探数据进行地质解释的专业知识，进而构建该地区的速度模型。在模型构建过程中，极大的人工工作量和成本会导致大量的标记数据集无法用于训练深度学习反演网络。

第二，模型复杂度低；

现有的批量速度建模方法主要以二维速度模型建立为主，建立的主要是二维的简单层状或断层模型，与实际的地质情况不符，模型复杂度太低，没有建立岩丘模型的方案，不足以模拟实际地质情况，直接导致使用深度学习方法获得的神经网络在面对较复杂实际模型时效果不佳。

实现速度模型建立的主要困难有以下两个方面：

1)需要合理的算法以及函数来随机建立合理的速度模型；

地质模型是经过地质运动形成的，具有很大的随机性，区域性的同时，也有地质历史信息，因此想要通过函数来生成能够模拟真实地质信息的速度模型需要符合地层的一般规律同时也要有足够的随机性以避免模型重复，存在较大难度。

2)在保证模型复杂度的前提下难以实现快速建模；

建立模型时需要对参数进行随机选择，在合理范围内生成速度模型，需要保证模型复杂度就对于参数选择提出了较高的要求，而进一步实现快速的随机速度建模难度就进一步加大。

发明内容

本公开为了解决上述问题，提出了一种结构和波速随机布设的三维速度地质建模方法，本公开针对缺失深度神经网络缺少训练数据集的问题，随机批量建立三维速度模型以解决目前在三维速度模型建立方面的空白。提高了数据集规模，有效增加了深度学习方法的反演效果。

根据一些实施例，本公开采用如下技术方案：

一种结构和波速随机布设的三维速度地质建模方法，包括以下步骤：

在三维空间中确定基点，根据基点建立方程确定平面层状模型，将平面层状模型的倾斜层复杂化，构建三维空间上曲面的褶皱层模型；

基于三维曲面褶皱层模型，结合随机参考点的断层面，以及各点在全局坐标系中的位移，建立三维断层褶皱模型；

基于三维断层褶皱模型，构造含有盐丘的速度模型，在一定深度的地质体中将盐丘向上侵入进行模拟；

根据已经设定完成的层状类别，按照设定的速度范围，和每层地质之间的波速差值范围，进行随机的波速幅值，实现三维速度建模。

作为可选择的实施方式，根据基点建立方程确定平面层状模型的具体过程包括：

根据基点(X_ref,Y_ref,Z_ref)建立方程确定平面层状模型，计算公式：

其中代表倾角。

作为可选择的实施方式，将平面层状模型的倾斜层复杂化的具体过程包括：根据基点建立方程确定平面层状模型，对不同层模型进行类别划分，在平面模型的基础上针对每一个点建立起伏函数，通过调整起伏函数中三角函数的周期和振幅，再建立针对曲面的倾斜项，进一步复杂倾斜层，构建三维空间上曲面的褶皱层模型。

作为进一步限定，具体过程包括：

基于平面层状模型建立褶皱模型，计算公式：

其中T_i A_i分别代表周期与振幅，值随机选取；

建立针对曲面的倾斜项公式为：D(X,Y)＝b₁(X-X_ref)+b₂(Y-Y_ref)

其中X_ref Y_ref为基点坐标，b₁ b₂的值随机选取。

作为可选择的实施方式，建立三维断层褶皱模型的具体过程包括：

在褶皱模型中加入断层的公式为：

c₁(X-X_ref)+c₂(Y-Y_ref)+c₃(Z-Z_ref)＝0

其中c₁ c₂ c₃是通过旋转矩阵计算得到的：旋转矩阵其中φθ均随机在[0,2π]中取值，对于随机的d_x d_y，在全局坐标中D_X D_Y D_Z有

作为可选择的实施方式，在一定深度的地质体中将盐丘向上侵入进行模拟的具体过程包括：侵入通过二维高斯函数拟合，垂直侵入的高度由振幅定义，大小由方差确定，走向由顺时针旋转角确定，设置一定厚度的影响区，最大侵入高度在底层，在影响区内越靠近地表影响越小，而影响区上的层保持不变，完成对盐丘的添加。

作为进一步的限定，建立盐丘的公式为：

G(X,Y)＝Aexp(-(d₁(X-X_ref)²+d₃(Y-Y_ref)²+2d₂(X-X_ref)(Y-Y_ref)))

其中

A代表垂直入侵盐丘的高度，盐丘的大小由控制，盐丘的影响区域设置为[A_max+5,A_max+15]其中A_max代表最大入侵高度，在影响区内，层越浅，对应的高斯函数的振幅A越小，影响区域上方的地层保持不变。

作为可选择的实施方式，进行随机的波速幅值，实现三维速度建模的具体过程包括：

根据层数n随机生成n+1个元素的向量V'；

对向量V'累加生成向量V₁；

取随机速度基准值M，M∈[x₁,x₂]，x₁,x₂为速度上下界；

取V₁最后一个元素v_end；

速度赋值为V＝(V₁/v_end)·M；

对盐丘随机取速度V_盐丘，V_盐丘∈[M,M+Δv]，其中Δv为随机增加速度值。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种结构和波速随机布设的三维速度地质建模方法。

一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种结构和波速随机布设的三维速度地质建模方法。

与现有技术相比，本公开的有益效果为：

本公开针对地质建模中的三维速度建模，进行了处理：考虑到目前尚未有提出三维速度建模方法，提出了一种三维速度建模方法，通过函数模拟，生成符合真实地质的速度模型。

同时，本公开还提出了批量建模方法，考虑到原有地质建模方法存在不能批量建模的问题，使用MATLAB软件编写算法，大幅度提高了建模速度，形成了可用的批量建模方法，使得使用深度学习方法进行三维速度反演的数据集大幅度增加，可以有效提高深度学习方法进行速度反演的准确性。

本公开针对传统建模中未进行盐丘模拟的问题，进行了针对盐丘的函数拟合，提出了影响层的概念，对深层地质中的盐丘进行了合理的模拟，使得建模结果更接近于真实地质。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本实施例的方法流程图；

图2是本实施例的层状褶皱模型建模流程图；

图3是本实施例的断层模型建模流程图；

图4是本实施例的盐丘模型建模流程图；

图5(a)-(c)分别为层状模型，断层模型，盐丘模型示意图。

具体实施方式

：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

三维速度建模方法，如图1所示，包括以下步骤：

步骤S1，在三维空间中确定基点，根据基点建立方程确定平面层状模型，在平面模型的基础上针对每一个点建立起伏函数，通过调整起伏函数中三角函数的周期和振幅，再建立针对曲面的倾斜项，进一步复杂倾斜层，建立三维空间上曲面的褶皱层模型；

本实施例的模型大小为nx×ny×nz，生成x层层状模型。

本实例中根据基点(X_ref,Y_ref,Z_ref)建立方程确定平面层状模型，计算公式：

本实例中基于面层状模型建立褶皱模型，计算公式：

本实例中建立针对曲面的倾斜项公式为：D(X,Y)＝b₁(X-X_ref)+b₂(Y-Y_ref)

步骤S2，基于建立好的三维曲面褶皱层模型，通过确定的随机参考点建立方程，确定通过参考点的断层面，再通过旋转矩阵确定各点在全局坐标系中的位移，建立三维断层褶皱模型；

本实施例中对于建立断层模型的公式为：

c₁(X-X_ref)+c₂(Y-Y_ref)+c₃(Z-Z_ref)＝0

其中c₁ c₂ c₃是通过旋转矩阵计算得到的：旋转矩阵其中φθ均随机在[0,2π]中取值

步骤S3，基于褶皱模型构造含有盐丘的速度模型，在一定深度的地质体中将盐丘向上侵入进行模拟，侵入通过二维高斯函数拟合，垂直侵入的高度由振幅定义，大小由方差σ_x，σ_y确定，走向由顺时针旋转角θ确定，由于盐丘对上层影响小，设置一定厚度的影响区，最大侵入高度在底层，在影响区内越靠近地表影响越小，而影响区上的层保持不变，完成了对盐丘的添加。

本实例中建立盐丘的公式为：

G(X,Y)＝Aexp(-(d₁(X-X_ref)²+d₃(Y-Y_ref)²+2d₂(X-X_ref)(Y-Y_ref)))

其中

A代表垂直入侵盐丘的高度，盐丘的大小由控制，盐丘的影响区域设置为[A_max+5,A_max+15]其中A_max代表最大入侵高度，在影响区内，层越浅，对应的高斯函数的振幅A越小，影响区域上方的地层保持不变。

步骤S4，基于建立好的模型，对各层随机赋值波速

波速赋值流程为：

1.根据层数n随机生成n+1个元素的向量V'

2.对向量V'累加生成向量V₁

3.取随机速度基准值M，M∈[x₁,x₂](x₁,x₂为速度上下界，本例中取M∈[2000m/s,4000m/s])

4.取V₁最后一个元素v_end

5.速度赋值为V＝(V₁/v_end)·M

6.对盐丘随机取速度V_盐丘，V_盐丘∈[M,M+Δv]，其中Δv为随机增加速度值，在本例中取300～500m/s。

本实施例中主要网络参数和硬件条件为：计算采用AMD R5-4600u CPU实现。使用MATLAB进行算法编写计算。

还提供以下产品实施例：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种结构和波速随机布设的三维速度地质建模方法。

一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种结构和波速随机布设的三维速度地质建模方法。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。