本發(fā)明屬于地震數(shù)據(jù)處理領(lǐng)域，特別涉及一種全波形反演技術(shù)。

背景技術(shù)：

1、全波形反演(full?waveform?inversion,fwi)使用地震數(shù)據(jù)中包含的最大程度的波長信息，通過最小化觀測數(shù)據(jù)與預(yù)測數(shù)據(jù)之間的誤差來重建地下參數(shù)。全波形反演首次由lailly和tarantola提出，全波形反演問題是一個(gè)強(qiáng)非線性問題，因此fwi對初始模型依賴程度較高，且在地震勘探時(shí)數(shù)據(jù)采集缺失低頻分量，導(dǎo)致反演容易陷入局部極小值以及產(chǎn)生周期跳躍問題。warner和guasch提出自適應(yīng)波形反演(awi)旨在減少對數(shù)據(jù)的依賴以及周期跳躍問題，但可能會降低反演結(jié)果的分辨率以及增加計(jì)算復(fù)雜度。總的來說，fwi方法面臨著如何平衡計(jì)算效率、結(jié)果準(zhǔn)確性和對初始模型依賴性等挑戰(zhàn)。

2、全波形反演是強(qiáng)非線性方法，其結(jié)果存在多結(jié)性，因此及其依賴初始數(shù)據(jù)的準(zhǔn)確性，傳統(tǒng)全波形反演的關(guān)鍵在于如何最優(yōu)化目標(biāo)函數(shù)，即觀測數(shù)據(jù)與預(yù)測數(shù)據(jù)之間的誤差，一般采用伴隨狀態(tài)法計(jì)算目標(biāo)函數(shù)相對于速度參數(shù)的梯度，然后選擇合適的優(yōu)化算法來更新速度參數(shù)，常見的優(yōu)化算法包括最速下降法、共軛梯度法、牛頓法、信賴域法等。

3、隨著大規(guī)模計(jì)算能力的提高和深度學(xué)習(xí)技術(shù)的快速發(fā)展，深度學(xué)習(xí)技術(shù)在地球物理反演領(lǐng)域的應(yīng)用日益廣泛。深度學(xué)習(xí)在處理非線性問題時(shí)展現(xiàn)出了強(qiáng)大的潛力，為解決地震速度反演問題提供了全新的研究方向。傳統(tǒng)深度學(xué)習(xí)反演方法一般采用完全數(shù)據(jù)驅(qū)動(dòng)的方式，從提前構(gòu)建好的訓(xùn)練數(shù)據(jù)集讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)地震觀測數(shù)據(jù)與地球物理模型之間的映射關(guān)系，這種方式使得深度學(xué)習(xí)在地震勘探領(lǐng)域易于實(shí)現(xiàn)，但面臨著解釋性不強(qiáng)以及計(jì)算成本等問題。近年來，基于物理引導(dǎo)的神經(jīng)網(wǎng)絡(luò)(pinn)開始得到廣泛應(yīng)用，將波動(dòng)方程物理建模的前向模塊融入網(wǎng)絡(luò)循環(huán)中，采用物理驅(qū)動(dòng)的數(shù)據(jù)殘差作為全波形反演的損失函數(shù)，這種方式相比于完全數(shù)據(jù)驅(qū)動(dòng)深度學(xué)習(xí)方法更加靈活，可以合并多種數(shù)據(jù)類型和任何結(jié)構(gòu)的結(jié)構(gòu)信息，具有更強(qiáng)的抗噪聲能力，從而提高反演結(jié)果的準(zhǔn)確性和可靠性。然而，由于pirnn全波形反演方法往往需要消耗大量的gpu計(jì)算資源，特別是在處理大規(guī)模三維問題時(shí)。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，將物理驅(qū)動(dòng)的rnn全波形反演網(wǎng)絡(luò)與尺度分解相結(jié)合，建立了dual-pirnn(dual?physical-informed?recurrent?neural?network，基于雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò))，實(shí)現(xiàn)了基于機(jī)器學(xué)習(xí)和物理引導(dǎo)下的低gpu資源消耗vsp聲波全波形反演方法。

2、本發(fā)明采用的技術(shù)方案為：一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，構(gòu)建基于雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)，基于雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)具體包括：原始尺度真實(shí)速度模型正演分支、原始尺度初始速度模型正演分支、降尺度速度模型反演分支；原始尺度真實(shí)速度模型正演分支、原始尺度初始速度模型正演分支、降尺度速度模型反演分支采用物理驅(qū)動(dòng)的rnn正演網(wǎng)絡(luò)實(shí)現(xiàn)；

3、聲波方程進(jìn)行有限差分求解，并將方程中的速度參數(shù)作為物理驅(qū)動(dòng)的rnn正演網(wǎng)絡(luò)中可訓(xùn)練的參數(shù)，將原始尺度真實(shí)速度模型正演分支的輸出作為觀測值，將原始尺度初始速度模型正演分支的輸出作為預(yù)測值，將求取預(yù)測值與觀測值之間的損失輸入降尺度速度模型反演分支，更新速度參數(shù)，并將降尺度速度模型反演分支上的速度參數(shù)在每一次迭代反演結(jié)束后通過上采樣更新到原始尺度初始速度模型正演分支再次進(jìn)行正演，循環(huán)更新。

4、本發(fā)明的有益效果：本發(fā)明提出的dual-pirnn全波形反演網(wǎng)絡(luò)結(jié)構(gòu)結(jié)合了物理波動(dòng)方程約束，確保了合成地震資料與觀測地震資料的一致性，從而提升了反演結(jié)果的準(zhǔn)確性。本發(fā)明引入了尺度分解，構(gòu)建了雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)全波形反演架構(gòu)，有效降低了反演中的gpu資源消耗，同時(shí)保證了反演結(jié)果精度，本發(fā)明中的尺度分解可以使得反演中的局部極小值減少，減少陷入周期跳躍的情況，從而更快地收斂得到速度模型。

技術(shù)特征：

1.一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，其特征在于，構(gòu)建基于雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)，基于雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)具體包括：原始尺度真實(shí)速度模型正演分支、原始尺度初始速度模型正演分支、降尺度速度模型反演分支；原始尺度真實(shí)速度模型正演分支、原始尺度初始速度模型正演分支、降尺度速度模型反演分支各自均采用基于物理驅(qū)動(dòng)的rnn正演網(wǎng)絡(luò)實(shí)現(xiàn)；

2.根據(jù)權(quán)利要求1所述的一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，其特征在于，基于物理驅(qū)動(dòng)的rnn正演網(wǎng)絡(luò)的輸入為速度參數(shù)、震源位置以及上一時(shí)刻的波場信息，輸出為當(dāng)前時(shí)刻的vsp炮集記錄。

3.根據(jù)權(quán)利要求2所述的一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，其特征在于，將預(yù)測值與觀測值之間的損失記為lossoriginal；

4.根據(jù)權(quán)利要求3所述的一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，其特征在于，lossoriginal通過l1范數(shù)對預(yù)測值與觀測值求損失得到。

5.根據(jù)權(quán)利要求4所述的一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，其特征在于，降尺度速度模型采用的損失函數(shù)為均方誤差函數(shù)。

6.根據(jù)權(quán)利要求5所述的一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的vsp聲波全波形反演方法，其特征在于，降尺度速度模型具體為降時(shí)間尺度模型或降時(shí)空尺度模型。

技術(shù)總結(jié)
本發(fā)明公開一種雙分支物理驅(qū)動(dòng)循環(huán)神經(jīng)網(wǎng)絡(luò)的VSP聲波全波形反演方法，應(yīng)用于地震數(shù)據(jù)處理領(lǐng)域，針對現(xiàn)有地震速度反演技術(shù)采用完全數(shù)據(jù)驅(qū)動(dòng)的方式，存在的解釋性不強(qiáng)以及計(jì)算成本等問題；本發(fā)明由于波動(dòng)方程描述了波場在時(shí)間和空間上的變化，在進(jìn)行數(shù)值模擬時(shí)采用時(shí)間步進(jìn)法，即根據(jù)前一時(shí)刻的狀態(tài)來計(jì)算下一時(shí)刻的波場狀態(tài)。由此將前一時(shí)刻的波場狀態(tài)作為RNN的隱藏層，對聲波方程進(jìn)行有限差分求解，并將方程中的速度參數(shù)作為物理驅(qū)動(dòng)的RNN正演網(wǎng)絡(luò)中可訓(xùn)練的參數(shù)，將每次通過物理驅(qū)動(dòng)RNN正演網(wǎng)絡(luò)輸出得到的炮集記錄作為預(yù)測值；將通過設(shè)置真實(shí)速度參數(shù)進(jìn)行物理驅(qū)動(dòng)RNN正演輸出得到的炮集記錄作為觀測值；將求取預(yù)測值與觀測值之間的損失進(jìn)行反向傳播修正速度參數(shù)的過程稱為速度反演過程。

技術(shù)研發(fā)人員：魯才,劉繼君,胡光岷,梁兼棟
受保護(hù)的技術(shù)使用者：電子科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6