摘" 要：面波頻散曲線拾取是獲取淺地表橫波速度結(jié)構(gòu)的關(guān)鍵步驟，但傳統(tǒng)方法主要依靠人工操作，效率低下且易受主觀因素影響。本文提出了一種基于深度學(xué)習(xí)的面波頻散曲線自動(dòng)拾取方法，利用DisperNet網(wǎng)絡(luò)結(jié)構(gòu)對(duì)面波速度譜進(jìn)行語義分割和實(shí)例分割，從而快速準(zhǔn)確地提取頻散曲線，實(shí)現(xiàn)了在石油勘探數(shù)據(jù)中的成功應(yīng)用。

關(guān)鍵詞：網(wǎng)絡(luò)結(jié)構(gòu)；頻散曲線；自動(dòng)拾取

1.引言

淺地表的地質(zhì)結(jié)構(gòu)是地震勘探的重要研究?jī)?nèi)容，復(fù)雜的地表結(jié)構(gòu)，會(huì)造成反射波畸變，不符合雙曲線形態(tài)，使石油地震勘探資料的同相疊加效果變差。在實(shí)際處理中，最常用的獲得淺地表速度結(jié)構(gòu)的方法是基于初至的層析反演方法，該方法主要反映的是高速頂以上的速度模型，而對(duì)于基巖以上的速度，該方法的精度不夠。常用的獲得基巖以上速度的方法主要有兩種，一種是測(cè)井，另一種是基于面波反演。相比之下，面波在地震記錄中更為常見，特別是在沒有微測(cè)井的區(qū)域，可以通過面波來獲得基巖之上的橫波速度結(jié)構(gòu)模型。在利用頻散曲線反演橫波速度結(jié)構(gòu)的時(shí)候，頻散曲線的拾取精度和效率直接影響反演橫波速度結(jié)構(gòu)模型的效率和精度，但是目前頻散曲線拾取工作主要依靠人工拾取，耗時(shí)耗力。基于深度學(xué)習(xí)的面波頻散曲線自動(dòng)拾取方法目前是一個(gè)研究熱點(diǎn)，若將這種方法應(yīng)用到石油勘探數(shù)據(jù)，通過快速提取面波頻散曲線、建立勘探測(cè)線表層地震橫波速度結(jié)構(gòu)模型，對(duì)于P波勘探的靜校正甚至后續(xù)全波形反演提供近地表橫波速度結(jié)構(gòu)模型、提高石油勘探數(shù)據(jù)的利用效率具有重要的應(yīng)用意義[1-3]。為此，本文開展基于深度學(xué)習(xí)的面波頻散曲線自動(dòng)拾取方法研究，分析其在石油勘探數(shù)據(jù)中的適用性。

2.研究方法

2.1面波速度譜分析

基于面波反演獲得淺地表橫波速度結(jié)構(gòu)的方法是基于面波的頻散屬性，即面波在地下傳播的時(shí)候其速度隨著頻率的變化而變化，面波反演就是根據(jù)面波頻散屬性提取頻散曲線反演獲得淺地表的橫波速度結(jié)構(gòu)，將野外原始采集數(shù)據(jù)從時(shí)間-空間域變換到頻率-速度域，以便于根據(jù)頻散曲線的能量分布趨勢(shì)拾取頻散曲線。本文選擇采用ReMi方法，通過對(duì)時(shí)間-空間域的數(shù)據(jù)依次進(jìn)行τ-p變換、Fourier變換、譜比歸一化等處理，得到頻率-速度域面波速度譜，從中分離面波頻散能量、拾取頻散曲線。

2.2基于深度學(xué)習(xí)的頻散曲線自動(dòng)拾取

本文基于DisperNet程序開展頻散曲線自動(dòng)拾取相關(guān)研究。頻散曲線自動(dòng)拾取網(wǎng)絡(luò)DisperNet網(wǎng)絡(luò)結(jié)構(gòu)的目標(biāo)函數(shù)由兩部分組成，本文不再贅述。

3.數(shù)值實(shí)驗(yàn)與實(shí)際應(yīng)用

3.1 DisperNet頻散曲線自動(dòng)拾取網(wǎng)絡(luò)結(jié)構(gòu)

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行頻散曲線拾取，實(shí)際上是將頻散曲線自動(dòng)拾取看成是語義分割的問題。DisperNet是基于ENet網(wǎng)絡(luò)進(jìn)行編碼和解碼，在編碼的時(shí)候，利用ENet的前兩個(gè)階段，將3至5階段分別放到語義分割分支和實(shí)例分割分支上，最終語義分割分支輸出二值圖，嵌入分支輸出實(shí)例分割圖，將二者進(jìn)行聚類之后可得到分類的頻散曲線。

3.2 基于截尾正太分布的隨機(jī)模型生成技術(shù)

為了更好的模擬模型的多樣性，采用截尾正太分布的方法生成隨機(jī)模型，模型的層厚和橫波速度均為隨機(jī)量，地層參數(shù)x（層厚和速度）服從截尾正太分布。我們總共設(shè)計(jì)了五類模型，分別為基巖以上的1層模型、基巖以上2層模型、基巖以上3層模型、基巖以上4層模型和基巖以上5層模型，如表1所示。模型的層厚、層數(shù)和橫波速度均采用截尾正太分布隨機(jī)產(chǎn)生。在隨機(jī)產(chǎn)生模型的層厚、層數(shù)和橫波速度之后，根據(jù)縱波和橫波的經(jīng)驗(yàn)關(guān)系來生成縱波速度。

3.3樣本和標(biāo)簽制作技術(shù)

在生成隨機(jī)模型之后，分別進(jìn)行面波正演和頻散曲線正演，分別用于制作樣本和標(biāo)簽。面波波形記錄正演采用的方法是譜元法，震源為位于地表的30Hz雷克子波，偏移距為50m，采樣率為1ms，道長(zhǎng)2s，道間距2m，共101道接受，采用PML吸收邊界條件。在得到面波正演記錄之后，對(duì)正演記錄采用相移法進(jìn)行頻散能量分析，將得到的結(jié)果作為訓(xùn)練的樣本；頻散曲線采用CPS（Computer Programs in Seismology）軟件進(jìn)行正演，將對(duì)應(yīng)的頻散曲線插值之后作為標(biāo)簽。

3.4數(shù)值實(shí)驗(yàn)結(jié)果

數(shù)值模擬結(jié)果顯示，訓(xùn)練誤差和驗(yàn)證誤差均隨著批增加而降低，訓(xùn)練誤差在批為26的時(shí)候降低到1%以內(nèi)，準(zhǔn)確率達(dá)到99%以上，驗(yàn)證誤差在批為38的時(shí)候降低到1%以內(nèi)，準(zhǔn)確率達(dá)到99%以上。

3.5實(shí)際數(shù)據(jù)應(yīng)用

實(shí)際數(shù)據(jù)來源于某石油勘探工區(qū)，首先對(duì)數(shù)據(jù)進(jìn)行切除，只留下含有面波的部分，然后再利用FK濾波去除其余干擾波，采用ReMi方法進(jìn)行頻散能量分析，再運(yùn)用DisperNet工具進(jìn)行頻散曲線提取。圖2是選擇幾個(gè)不同位置的頻散能量譜進(jìn)行自動(dòng)拾取的展示效果，結(jié)果顯示對(duì)于本研究中的石油勘探地震數(shù)據(jù)可以快速和準(zhǔn)確的拾取基階（黑色曲線）和高階頻散曲線（白色曲線）。

4.結(jié)論

本研究基于深度學(xué)習(xí)的頻散曲線自動(dòng)拾取技術(shù)進(jìn)行了流程化研究，通過對(duì)實(shí)測(cè)數(shù)據(jù)的應(yīng)用，得到最終的拾取精度在99%以上、拾取效率在1分鐘以內(nèi)一組，效果較好。本研究顯示，基于深度學(xué)習(xí)的面波頻散曲線自動(dòng)拾取方法在石油勘探領(lǐng)域具有較好的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]卜凱旭， 姚振岸， 任望等。 2024. 基于U-net網(wǎng)絡(luò)的頻散曲線自動(dòng)拾取方法研究[J]. 工程地球物理學(xué)報(bào)， 21（04）： 734-741.

[2]王清揚(yáng)。 2023. 基于深度學(xué)習(xí)的盾構(gòu)掘進(jìn)噪聲源多模態(tài)面波數(shù)據(jù)處理與成像方法[D].山東大學(xué).

[3]伍錫軍。2020. 基于深度學(xué)習(xí)的高頻面波反演方法研究[D].電子科技大學(xué).