智能多维地震反射模式分析与识别关键技术研究

Seismic facies classification research based on the seismic reflection pattern (SRP) feature analysis is the fundamental work which ensures the accuracy of oil and gas exploration, and it is also a frontier scientific problem concerned by both academia and industry at home and abroad. Focusing on two key scientific issues: complete characterization of multi-dimensional SRP under the uncertainty in seismic data and multi-dimensional SRP-based machine learning model with very few samples. Based on the deep learning, our project presents a robust features extraction method to extract the global feature of multi-dimensional SRP from the uncertain multi-dimensional seismic data; By adopting multi-level feature fusion methods, we present a complete representation method to counter the multi-scale nature of the SRP; In order to deal with the very few samples issue of seismic facies classification, we propose a method to discover the seismic facies knowledge by mean of multi-source heterogeneity data mining; To address this challenge of traditional machine learning models is not compatible with knowledge learning, we propose a series of knowledge-based machine learning models of multi-dimensional SRP.

在地震反射模式特征分析基础上，开展基于反射模式分析的地震相识别研究，是确保油气勘探准确性的基础工作，是国内外学术界和工业界共同关注的前沿科学问题。项目围绕地震数据不确定条件下的多维地震反射模式完整表征和小样本背景下的多维地震反射模式机器学习模型两项关键问题，对尚未解决的基础问题进行研究，获得全面准确的地震反射模式特征，提升地震相分析的准确性和一致性。为应对多维地震数据的不确定性，提出基于深度学习的多维地震反射模式全局特征鲁棒提取方法；为应对地震反射模式特征的多尺度特性，以多层次特征融合为手段，提出地震反射模式完整表征方法；为应对地震相识别的少样本状况，以大数据挖掘为手段，提出基于多源异质数据挖掘的地震相知识表达方法；为应对传统机器学习模型无法利用知识学习的问题，提出基于知识表达的新型多维地震反射模式机器学习模型。

本项目以高密度宽方位角叠前三维地震资料为依托，从多维地震反射模式的全局特征鲁棒提取、完整表征和机器学习模型三个方面展开，对多维地震反射模式分析与识别进行全面、深入的研究，提出了多项创新性成果。完成的主要创新工作包含：1）首先研究多维地震反射模式全局特征鲁棒提取研究问题，系统性地针对不同维度不同类型的地震数据，分别设计了适合各自数据类型特点的鲁棒特征深度特征提取方案：针对三维叠后地震数据，提出了基于鲁棒U-net网络的叠后地震反射模式分析方法，利用单向全变分正则项提高U-net网络鲁棒性；针对四维叠前地震数据，提出了基于鲁棒深度卷积自编码器的叠前地震反射模式分析方法，采用了稳健Welsch范数代替MSE来提高深度卷积自编码器的鲁棒性；针对五维宽方位叠前地震数据，提出了高维张量深度学习模型来代替矩阵深度学习模型，有效地提取方位角-炮检距-时间三维立方体的反射模式深度特征；2）为了进一步完整表征多维地震反射模式，根据浅层特征和深度特征的异同，分别提出了多特征异质融合的基于剪切波变换的叠前地震反射模式分析方法和多特征同质融合的基于多尺度特征融合的多维地震反射模式完整表征研究；3）借鉴深度聚类框架和结合地震反射模式的聚类特性，提出了基于对数正态混合变分自编码器的叠前地震数据反射模式分析，能够让地震反射模式的特征提取和对数正态混合分布聚类两个过程在变分自编码器中以端到端方式同步执行，从而实现了整个地震反射模式分析与识别的系统最优。研究形成的方法贴合实际应用，指导了多维地震反射模式的智能分析与识别，提高了小样本条件下地震相分析的一致性和准确性。