|
技术特征：1.一种时间切片分类模型的训练方法，其特征在于，所述方法包括：采集被动源地震数据，所述被动源地震数据为通过检波器连续监测地震波采集的地震数据；对所述被动源地震数据进行数据切割，得到若干时间切片；获取各个所述时间切片的时域波形图，并对所述时域波形图分别进行fk变换，得到与所述时域波形图对应的fk谱图像；根据各个所述时间切片的时域波形图和fk谱图像，对所述时间切片进行分类，且每一时间切片标记有对应的类别标签，所述时间切片的类别包括反射波优势时间切片、面波优势时间切片以及信号混叠的时间切片；基于深度神经网络，构建时间切片分类模型；将所述时间切片对应的时域波形图和fk谱图像输入所述时间切片分类模型；根据所述时间切片分类模型的输出以及所输入的图像对应的时间切片的实际类别，确定损失函数；根据所述损失函数优化所述时间切片分类模型的参数，以对所述时间切片分类模型进行训练，得到训练好的时间切片分类模型。2.根据权利要求1所述的时间切片分类模型的训练方法，其特征在于，所述对所述被动源地震数据进行数据切割，得到若干时间切片，具体包括：设定一时间长度，将所述被动源地震数据按照所述时间长度分割成若干份地震子数据，每一份地震子数据为一个时间切片。3.根据权利要求1所述的时间切片分类模型的训练方法，其特征在于，所述根据各个所述时间切片的时域波形图和fk谱图像，对所述时间切片进行分类，具体包括：当所述时域波形图的同相轴为横线状，且所述fk谱图像的振幅能量集中于反射波的有效扇区范围的内部时，判定所述时间切片的类别为反射波优势时间切片，所述同相轴为时域波形图中所有波峰的连线和所有波谷的连线；当所述时域波形图的同相轴为双曲线状，且所述fk谱图像的振幅能量分布于反射波的有效扇区范围的内外时，判定所述时间切片的类别为面波优势时间切片；当所述时域波形图的同相轴的形状不明显，且所述fk谱图像的振幅能量分布也不明显时，判定所述时间切片的类别为信号混叠的时间切片。4.一种时间切片分类模型的应用方法，其特征在于，所述方法包括：获取待分类被动源地震数据；对所述待分类被动源地震数据进行数据切割，得到若干待分类时间切片；获取各个所述待分类时间切片的时域波形图，并对所述时域波形图分别进行fk变换，得到与所述时域波形图对应的fk谱图像；将所述待分类时间切片的时域波形图和fk谱图像输入时间切片分类模型，得到所述待分类时间切片的类别，时间切片的类别包括反射波优势时间切片、面波优势时间切片以及信号混叠的时间切片；所述时间切片分类模型为根据权利要求1所述的时间切片分类模型训练方法训练好的模型。5.根据权利要求4所述的时间切片分类模型的应用方法，其特征在于，在所述将所述待分类时间切片的时域波形图和fk谱图像输入时间切片分类模型，得到所述待分类时间切片的类别之后，所述方法还包括：从确定类别后的时间切片中选择出反射波优势时间切片和面波优势时间切片；根据所述反射波优势时间切片和所述面波优势时间切片，采用互相关干涉法分别重构出反射波波场和面波波场；对所述反射波波场进行去噪、速度分析和水平叠加处理，得到地下构造反射信息；获取所述面波波场的频散曲线，并从所述频散曲线中提取频率信息及对应的相速度信息，并根据所述频率信息和所述相速度信息，采用梯度法反演出地下横波速度结构信息。6.一种时间切片分类模型的训练系统，其特征在于，所述系统包括：被动源地震数据采集模块，用于采集被动源地震数据，所述被动源地震数据为通过检波器连续监测地震波而采集的地震数据；时间切片获取模块，用于对所述被动源地震数据进行数据切割，得到若干时间切片；图像获取模块，用于获取各个所述时间切片的时域波形图，并对所述时域波形图分别进行fk变换，得到与所述时域波形图对应的fk谱图像；时间切片分类模块，用于根据各个所述时间切片的时域波形图和fk谱图像，对所述时间切片进行分类，且每一时间切片标记有对应的类别标签，所述时间切片的类别包括反射波优势时间切片、面波优势时间切片以及信号混叠的时间切片；模型构建模块，用于基于深度神经网络，构建时间切片分类模型；图像输入模块，用于将所述时间切片对应的时域波形图和fk谱图像输入所述时间切片分类模型；损失函数确定模块，用于根据所述时间切片分类模型的输出以及所输入的图像对应的时间切片的实际类别，确定损失函数；模型训练模块，用于根据所述损失函数优化所述时间切片分类模型的参数，以对所述时间切片分类模型进行训练，得到训练好的时间切片分类模型。7.根据权利要求6所述的时间切片分类模型的训练系统，其特征在于，所述时间切片获取模块包括：数据切割单元，用于设定一时间长度，将所述被动源地震数据按照所述时间长度分割成若干份地震子数据，每一份地震子数据为一个时间切片。8.根据权利要求6所述的时间切片分类模型的训练系统，其特征在于，所述时间切片分类模块包括：反射波优势时间切片判断单元，用于当所述时域波形图的同相轴为横线状，且所述fk谱图像的振幅能量集中于反射波的有效扇区范围的内部时，判定所述时间切片的类别为反射波优势时间切片，所述同相轴为时域波形图中所有波峰的连线和所有波谷的连线；面波优势时间切片判断单元，用于当所述时域波形图的同相轴为双曲线状，且所述fk谱图像的振幅能量分布于反射波的有效扇区范围的内外时，判定所述时间切片的类别为面波优势时间切片；信号混叠时间切片判断单元，用于当所述时域波形图的同相轴的形状不明显，且所述fk谱图像的振幅能量分布也不明显时，判定所述时间切片的类别为信号混叠的时间切片。9.一种时间切片分类模型的应用系统，其特征在于，所述系统包括：待分类被动源地震数据获取模块，用于获取待分类被动源地震数据；待分类时间切片获取模块，用于对所述待分类被动源地震数据进行数据切割，得到若干待分类时间切片；待分类图像获取模块，用于获取各个所述待分类时间切片的时域波形图，并对所述时域波形图分别进行fk变换，得到与所述时域波形图对应的fk谱图像；待分类时间切片分类模块，用于将所述待分类时间切片的时域波形图和fk谱图像输入时间切片分类模型，得到所述待分类时间切片的类别，时间切片的类别包括反射波优势时间切片、面波优势时间切片以及信号混叠的时间切片；所述时间切片分类模型为根据权利要求1所述的时间切片分类模型训练方法训练好的模型。10.根据权利要求9所述的时间切片分类模型的应用系统，其特征在于，所述系统还包括：时间切片选择模块，用于从确定类别后的时间切片中选择出反射波优势时间切片和面波优势时间切片；波场重构模块，用于根据所述反射波优势时间切片和所述面波优势时间切片，采用互相关干涉法分别重构出反射波波场和面波波场；地下构造反射信息获取模块，用于对所述反射波波场进行去噪、速度分析和水平叠加处理，得到地下构造反射信息；地下横波速度结构信息获取模块，用于获取所述面波波场的频散曲线，并从所述频散曲线中提取频率信息及对应的相速度信息，并根据所述频率信息和所述相速度信息，采用梯度法反演出地下横波速度结构信息。 技术总结本发明公开了一种时间切片分类模型训练方法、系统及应用方法、系统，涉及地震勘探成像领域，训练方法包括采集被动源地震数据；对被动源地震数据进行数据切割；获取时间切片的时域波形图以及FK谱图像；根据各个时间切片的时域波形图和FK谱图像，对时间切片进行分类；基于深度神经网络，构建时间切片分类模型；将时间切片对应的时域波形图和FK谱图像输入时间切片分类模型；根据时间切片分类模型的输出以及所输入的图像对应的时间切片的实际类别，确定损失函数；根据损失函数优化时间切片分类模型的参数，以对时间切片分类模型进行训练，得到训练好的时间切片分类模型，本发明能够提升时间切片的分类筛选的准确性和效率。时间切片的分类筛选的准确性和效率。时间切片的分类筛选的准确性和效率。 技术研发人员：靳中原 吕庆田受保护的技术使用者：中国地质科学院技术研发日：2022.11.09技术公布日：2023/3/21
|