本發(fā)明涉及地震數(shù)據(jù)重建領(lǐng)域，具體是一種基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法。

背景技術(shù)：

1、為了確保全面且準確地反映地下結(jié)構(gòu)，采集到的地震數(shù)據(jù)應(yīng)是規(guī)則且密集的。然而，實際地震勘探面臨多種復(fù)雜的限制，包括采集成本、地表障礙物(如道路橋梁)、地形條件(山川湖泊)以及采集儀器設(shè)備。這些限制會造成地震數(shù)據(jù)缺失、空間采樣不足或壞道等問題。因此，采用插值的方法對地震數(shù)據(jù)進行高保真、高分辨率的重建，從而獲得更有效的地震數(shù)據(jù)是解決地震數(shù)據(jù)缺失問題的關(guān)鍵方法。

2、傳統(tǒng)的地震數(shù)據(jù)插值方法包括基于稀疏優(yōu)化的重建、基于預(yù)測濾波的重建和基于數(shù)學(xué)變換的方法。這些方法融入了數(shù)學(xué)或物理意義，能有效利用地震波在地下傳播的相關(guān)性，重建缺失的地震數(shù)據(jù)。然而，在處理特征復(fù)雜、數(shù)據(jù)量龐大的地震數(shù)據(jù)時，這些方法通常難以產(chǎn)生真實而細節(jié)豐富的結(jié)果。

3、近年來，隨著深度學(xué)習(xí)的發(fā)展，學(xué)者們將深度學(xué)習(xí)方法引入地球物理領(lǐng)域，這種方法無需建立復(fù)雜的數(shù)學(xué)模型，能捕捉更深層的數(shù)據(jù)特征，且在缺乏地下介質(zhì)先驗知識的情況下同樣取得良好效果，為地震數(shù)據(jù)重建提供了一種新的、更靈活、高效的途徑。例如mandelli等人設(shè)計了一種自動編碼器卷積神經(jīng)網(wǎng)絡(luò)(cnn)；柴等人設(shè)計了一種深度u-net架構(gòu)用于對有規(guī)則缺失和隨機缺失的地震數(shù)據(jù)進行插值；王等人設(shè)計了具有更深層次的殘差學(xué)習(xí)網(wǎng)絡(luò)(resnets)實現(xiàn)抗假頻地震數(shù)據(jù)插值；oliveira等人設(shè)計了一種通過對抗性過程實現(xiàn)地震數(shù)據(jù)插值的生成對抗性網(wǎng)絡(luò)；yoon等人將地震數(shù)據(jù)視為時間序列，并應(yīng)用深度雙向長短時記憶(lstm)進行地震道插值。但是，這些方法在特征提取過程中常常受到卷積核感受野的限制，無法建立局部特征之間的依賴關(guān)系。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明擬解決的技術(shù)問題是，提供一種基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法。

2、本發(fā)明解決所述技術(shù)問題的技術(shù)方案是，提供一種基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，該方法包括以下步驟：

3、步驟1、對原始地震數(shù)據(jù)集進行處理，生成統(tǒng)一尺寸的地震數(shù)據(jù)圖像，并進行可視化處理；將地震數(shù)據(jù)圖像分為訓(xùn)練集、驗證集和測試集；

4、地震數(shù)據(jù)圖像包括完整地震圖像igt以及與之對應(yīng)的缺道地震圖像iin；缺道地震圖像iin作為頻域門控transformer網(wǎng)絡(luò)的輸入，其對應(yīng)的完整地震圖像igt作為標簽，在計算損失函數(shù)時使用；

5、步驟2、將缺道地震圖像iin輸入到頻域門控transformer網(wǎng)絡(luò)中進行特征提取，得到此次迭代的重建地震圖像iout；

6、頻域門控transformer網(wǎng)絡(luò)由依次順序連接的一個淺層特征提取模塊、一個深層特征提取模塊和一個重建模塊組成；深層特征提取模塊由依次順序連接的n1個殘差組、一個卷積層和一個殘差連接組成；

7、步驟3、得到此次迭代的高分辨率重建地震圖像iout后，再通過損失函數(shù)對此次迭代的頻域門控transformer網(wǎng)絡(luò)進行優(yōu)化；

8、步驟4、重復(fù)步驟2～步驟3，通過損失函數(shù)不斷優(yōu)化頻域門控transformer網(wǎng)絡(luò)，直至達到設(shè)定的迭代次數(shù)，得到訓(xùn)練好的頻域門控transformer網(wǎng)絡(luò)；再將測試集中的缺道地震圖像輸入到訓(xùn)練好的頻域門控transformer網(wǎng)絡(luò)中完成地震數(shù)據(jù)重建，得到重建地震數(shù)據(jù)。

9、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

10、(1)本發(fā)明對transformer層的自注意力模塊和前饋網(wǎng)絡(luò)模塊進行了改進，改進后的transformer層稱為頻域門控transformer層，將頻域門控transformer層應(yīng)用于殘差結(jié)構(gòu)中。通過這種方式，網(wǎng)絡(luò)可以自適應(yīng)地提取地震圖像低頻分量中重要的全局結(jié)構(gòu)特征和地震圖像高頻分量中重要的紋理細節(jié)特征，有效解決了目前深度學(xué)習(xí)插值方法中對地震圖像低頻分量中全局結(jié)構(gòu)特征和地震圖像高頻分量中紋理細節(jié)特征利用不足的問題。

11、(2)本發(fā)明提出了頻域自注意力模塊和門控前饋網(wǎng)絡(luò)。頻域自注意力模塊將小波變換和transformer網(wǎng)絡(luò)中的自注意力機制相結(jié)合，使得網(wǎng)絡(luò)在捕獲地震圖像低頻分量中圖像全局結(jié)構(gòu)特征的同時，關(guān)注地震圖像高頻分量中更多紋理細節(jié)特征。門控前饋網(wǎng)絡(luò)自適應(yīng)地過濾掉經(jīng)頻域自注意力模塊提取的特征中對重建任務(wù)不重要的特征，增強重要特征的表達能力。

12、(3)本發(fā)明相較于傳統(tǒng)的重建方法，深度學(xué)習(xí)能夠自動更新參數(shù)，不需要其他的先驗信息，并且可以學(xué)習(xí)復(fù)雜的地震數(shù)據(jù)特征，有效地避免空間假頻問題，能夠在gpu的環(huán)境下快速重建出清晰的高分辨率地震數(shù)據(jù)。

13、(4)本發(fā)明實現(xiàn)了端到端的圖像重建方法，避免了過多的超參數(shù)和人工操作。

14、(5)本發(fā)明在損失函數(shù)部分引入均方誤差損失函數(shù)進行優(yōu)化。

技術(shù)特征：

1.一種基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，該方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟1中，生成地震數(shù)據(jù)圖像的過程中，通過對原始地震數(shù)據(jù)集中的地震數(shù)據(jù)進行隨機翻轉(zhuǎn)和旋轉(zhuǎn)90°、180°、270°來進行圖像增強。

3.根據(jù)權(quán)利要求1所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟2的具體操作為：將缺道地震圖像iin輸入到頻域門控transformer網(wǎng)絡(luò)中，首先經(jīng)過淺層特征提取模塊進行特征提取，輸出淺層特征fsf至深層特征提取模塊的第一個殘差組和深層特征提取模塊的殘差連接處；淺層特征fsf經(jīng)過n1個依次順序連接的殘差組處理，前一個殘差組的輸出作為后一個殘差組的輸入，最后一個殘差組的輸出經(jīng)過卷積層進行特征增強；然后利用殘差連接將經(jīng)卷積層處理過的特征與淺層特征fsf進行逐元素相加，得到深層特征fdf；最后，將深層特征fdf輸入到重建模塊進行高質(zhì)量的地震圖像重建，得到此次迭代的重建地震圖像iout。

4.根據(jù)權(quán)利要求1所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟2中，淺層特征提取模塊由一個卷積層組成，通過卷積層來提取淺層特征fsf；

5.根據(jù)權(quán)利要求1所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟2中，每個殘差組均由依次順序連接的n2個頻域門控transformer層、一個卷積層和一個殘差連接組成；

6.根據(jù)權(quán)利要求5所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟2中，每個頻域門控transformer層均由依次順序連接的一個層歸一化、一個頻域自注意力模塊、一個層歸一化和一個門控前饋網(wǎng)絡(luò)組成；

7.根據(jù)權(quán)利要求6所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟2中，頻域自注意力模塊的計算公式為：

8.根據(jù)權(quán)利要求6所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟s2.2中，查詢鍵和值的計算公式為：

9.根據(jù)權(quán)利要求6所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟2中，門控前饋網(wǎng)絡(luò)的計算公式為：

10.根據(jù)權(quán)利要求1所述的基于頻域門控transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法，其特征在于，步驟3和步驟4中，損失函數(shù)均采用均方誤差損失函數(shù)：

技術(shù)總結(jié)
本發(fā)明公開了一種基于頻域門控Transformer網(wǎng)絡(luò)的地震數(shù)據(jù)重建方法。本發(fā)明對Transformer層的自注意力模塊和前饋網(wǎng)絡(luò)模塊進行了改進，改進后的Transformer層稱為頻域門控Transformer層，將頻域門控Transformer層應(yīng)用于殘差結(jié)構(gòu)中。通過這種方式，網(wǎng)絡(luò)可以自適應(yīng)地提取地震圖像低頻分量中重要的全局結(jié)構(gòu)特征和地震圖像高頻分量中重要的紋理細節(jié)特征，有效解決了目前深度學(xué)習(xí)插值方法中對地震圖像低頻分量中全局結(jié)構(gòu)特征和地震圖像高頻分量中紋理細節(jié)特征利用不足的問題。

技術(shù)研發(fā)人員：賈永娜,劉星,楊赫博,陳燃,楊亮
受保護的技術(shù)使用者：河北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/12