本技術(shù)屬于石油天然氣勘探，特別是地震勘探數(shù)據(jù)處理，具體涉及一種基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法及裝置。

背景技術(shù)：

1、在地震勘探數(shù)據(jù)處理流程中，由于觀測系統(tǒng)方面的原因，可能存在著數(shù)據(jù)缺失，以及炮點和檢波點不規(guī)則等問題。基于此，數(shù)據(jù)插值起著重要的作用；比如，補齊缺失的地震信號，正則化到用戶指定的格點上等等。

2、眾所周知，走時數(shù)據(jù)插值在射線類的疊加或者偏移中用途廣大。現(xiàn)有的走時數(shù)據(jù)插值算法基本上是純數(shù)據(jù)驅(qū)動的，不涉及到模型方面的計算。比如，按照距離函數(shù)的加權(quán)平均，或者按照慢度的線性疊加等等，都是純數(shù)據(jù)的驅(qū)動。

3、神經(jīng)網(wǎng)絡(luò)的廣泛應(yīng)用給插值算法帶來了新的思路。一種常見的神經(jīng)網(wǎng)絡(luò)算法是用數(shù)據(jù)和標簽作為訓(xùn)練集，然后訓(xùn)練出一個神經(jīng)網(wǎng)絡(luò)；之后就可以把神經(jīng)網(wǎng)絡(luò)運用到其他缺失的數(shù)據(jù)上。這也是機器學(xué)習(xí)領(lǐng)域里常用的流程：即，準備數(shù)據(jù)標簽，訓(xùn)練網(wǎng)絡(luò)，最后推理。

4、無論是常規(guī)走時數(shù)據(jù)插值方法，還是神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)插值方法，都是純數(shù)據(jù)驅(qū)動。插值后的數(shù)據(jù)與真實數(shù)據(jù)的差異取決于數(shù)據(jù)是否復(fù)雜。數(shù)據(jù)的成分越簡單，插值越準確；反之，誤差會較大。在通常的真實數(shù)據(jù)處理中，由于缺乏參考數(shù)據(jù)而無法判斷插值數(shù)據(jù)本身的優(yōu)劣；只能依靠后續(xù)疊加或者偏移的結(jié)果來判斷插值的準確性。若插值不準確，需要重新插值，并重新做疊加和偏移。這在一定程度上拖慢了數(shù)據(jù)處理周期，并浪費了大量計算資源。

技術(shù)實現(xiàn)思路

1、本發(fā)明的一個目的在于提供一種基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法，該方法基于物理方程得到一個準確可靠的走時數(shù)據(jù)差。且誤差中的程函方程的信息被完全吸收到神經(jīng)網(wǎng)絡(luò)模型中，其插值結(jié)果可靠準確。

2、本發(fā)明的另一個目的在于提供一種基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值裝置。本發(fā)明的還一個目的在于提供一種電子設(shè)備，該電子設(shè)備包括存儲器和處理器，存儲器存儲有計算機程序，處理器執(zhí)行計算機程序時實現(xiàn)上述基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法的步驟。本發(fā)明的還一個目的在于提供一種可讀介質(zhì)，其上存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)上述基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法的步驟。

3、為解決本技術(shù)背景技術(shù)中的技術(shù)問題，本發(fā)明提供以下技術(shù)方案：

4、第一方面，本發(fā)明提供一種基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法，包括：

5、接收待插值點坐標；

6、根據(jù)所述待插值點坐標以及預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型生成所述待插值點坐標對應(yīng)的走時數(shù)據(jù)，其中，所述神經(jīng)網(wǎng)絡(luò)模型用于擬合所述待插值點坐標所在工區(qū)的速度場以及走時場，并根據(jù)所述速度場以及所述走時場所生成的。

7、在本發(fā)明的一實施例中，構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型的步驟包括：

8、根據(jù)所述工區(qū)的單炮數(shù)據(jù)集生成訓(xùn)練數(shù)據(jù)以及驗證數(shù)據(jù)，并進行以下迭代操作：

9、根據(jù)所述訓(xùn)練數(shù)據(jù)對預(yù)先構(gòu)建的所述神經(jīng)網(wǎng)絡(luò)模型的初始模型或訓(xùn)練模型進行訓(xùn)練，其中，所述訓(xùn)練模型是根據(jù)所述訓(xùn)練數(shù)據(jù)對所述初始模型進行訓(xùn)練所生成的；

10、根據(jù)所述驗證數(shù)據(jù)對所述訓(xùn)練模型進行驗證，以生成驗證結(jié)果；

11、當所述驗證結(jié)果達到預(yù)設(shè)的訓(xùn)練截止條件時，停止訓(xùn)練，以生成訓(xùn)練結(jié)果；

12、根據(jù)所述速度場以及所述走時場對所述訓(xùn)練結(jié)果進行約束，以構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。

13、在本發(fā)明的一實施例中，根據(jù)所述訓(xùn)練數(shù)據(jù)對預(yù)先構(gòu)建的所述神經(jīng)網(wǎng)絡(luò)模型的初始模型或訓(xùn)練模型進行訓(xùn)練，包括：

14、根據(jù)所述訓(xùn)練數(shù)據(jù)更新所述初始模型或所述訓(xùn)練模型中的輸入層、卷積層、激活函數(shù)、池化層、全連接層各自的權(quán)重。

15、在本發(fā)明的一實施例中，根據(jù)所述速度場以及所述走時場對所述訓(xùn)練結(jié)果進行約束，以構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型，包括：

16、根據(jù)所述速度場、所述走時場以及所述訓(xùn)練結(jié)果構(gòu)建所述走時數(shù)據(jù)對應(yīng)的增廣拉格朗日函數(shù)；

17、根據(jù)所述增廣拉格朗日函數(shù)對所述訓(xùn)練結(jié)果進行約束，以生成所述神經(jīng)網(wǎng)絡(luò)。

18、在本發(fā)明的一實施例中，根據(jù)所述速度場、所述走時場以及所述訓(xùn)練結(jié)果構(gòu)建所述走時數(shù)據(jù)對應(yīng)的增廣拉格朗日函數(shù)，包括：

19、根據(jù)所述速度場、所述走時場以及所述訓(xùn)練結(jié)果確定所述走時數(shù)據(jù)對應(yīng)的數(shù)據(jù)誤差以及程函方程誤差；

20、根據(jù)所述數(shù)據(jù)誤差以及所述程函方程誤差構(gòu)建所述增廣拉格朗日函數(shù)。

21、在本發(fā)明的一實施例中，根據(jù)所述待插值點坐標以及預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型生成所述待插值點坐標對應(yīng)的走時數(shù)據(jù)，包括：

22、根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型生成所述工區(qū)的走時場網(wǎng)絡(luò)；

23、根據(jù)所述待插值點坐標以及所述走時場網(wǎng)絡(luò)生成所述待插值點坐標對應(yīng)的走時數(shù)據(jù)。

24、在本發(fā)明的一實施例中，根據(jù)所述速度場、所述走時場以及所述訓(xùn)練結(jié)果確定所述走時數(shù)據(jù)對應(yīng)的數(shù)據(jù)誤差以及程函方程誤差，包括：

25、根據(jù)所述訓(xùn)練結(jié)果以及所述速度場生成速度場網(wǎng)絡(luò)；

26、根據(jù)所述訓(xùn)練結(jié)果以及所述走時場生成走時場網(wǎng)絡(luò)；

27、根據(jù)所述速度場網(wǎng)絡(luò)以及所述走時場網(wǎng)絡(luò)確定所述數(shù)據(jù)誤差以及所述程函方程誤差。

28、第二方面，本發(fā)明提供一種基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值裝置，該裝置包括：

29、坐標接收模塊，用于接收待插值點坐標；

30、走時數(shù)據(jù)生成模塊，用于根據(jù)所述待插值點坐標以及預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型生成所述待插值點坐標對應(yīng)的走時數(shù)據(jù)，其中，所述神經(jīng)網(wǎng)絡(luò)模型用于擬合所述待插值點坐標所在工區(qū)的速度場以及走時場，并根據(jù)所述速度場以及所述走時場所生成的。

31、在本發(fā)明的一實施例中，基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值裝置還包括：

32、模型構(gòu)建模塊，用于構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型，所述模型構(gòu)建模塊包括：

33、數(shù)據(jù)生成單元，用于根據(jù)所述工區(qū)的單炮數(shù)據(jù)集生成訓(xùn)練數(shù)據(jù)以及驗證數(shù)據(jù)，并進行以下迭代操作：

34、模型訓(xùn)練單元，用于根據(jù)所述訓(xùn)練數(shù)據(jù)對預(yù)先構(gòu)建的所述神經(jīng)網(wǎng)絡(luò)模型的初始模型或訓(xùn)練模型進行訓(xùn)練，其中，所述訓(xùn)練模型是根據(jù)所述訓(xùn)練數(shù)據(jù)對所述初始模型進行訓(xùn)練所生成的；

35、驗證結(jié)果生成單元，用于根據(jù)所述驗證數(shù)據(jù)對所述訓(xùn)練模型進行驗證，以生成驗證結(jié)果；

36、訓(xùn)練結(jié)果生成單元，用于當所述驗證結(jié)果達到預(yù)設(shè)的訓(xùn)練截止條件時，停止訓(xùn)練，以生成訓(xùn)練結(jié)果；

37、模型構(gòu)建單元，用于根據(jù)所述速度場以及所述走時場對所述訓(xùn)練結(jié)果進行約束，以構(gòu)建所述神經(jīng)網(wǎng)絡(luò)模型。

38、在本發(fā)明的一實施例中，所述模型訓(xùn)練單元包括：

39、模型訓(xùn)練子單元，用于根據(jù)所述訓(xùn)練數(shù)據(jù)更新所述初始模型或所述訓(xùn)練模型中的輸入層、卷積層、激活函數(shù)、池化層、全連接層各自的權(quán)重。

40、在本發(fā)明的一實施例中，所述模型構(gòu)建單元包括：

41、拉格朗日函數(shù)構(gòu)建單元，用于根據(jù)所述速度場、所述走時場以及所述訓(xùn)練結(jié)果構(gòu)建所述走時數(shù)據(jù)對應(yīng)的增廣拉格朗日函數(shù)；

42、訓(xùn)練結(jié)果約束單元，用于根據(jù)所述增廣拉格朗日函數(shù)對所述訓(xùn)練結(jié)果進行約束，以生成所述神經(jīng)網(wǎng)絡(luò)。

43、在本發(fā)明的一實施例中，所述拉格朗日函數(shù)構(gòu)建單元包括：

44、誤差確定單元，用于根據(jù)所述速度場、所述走時場以及所述訓(xùn)練結(jié)果確定所述走時數(shù)據(jù)對應(yīng)的數(shù)據(jù)誤差以及程函方程誤差；

45、拉格朗日函數(shù)構(gòu)建子單元，用于根據(jù)所述數(shù)據(jù)誤差以及所述程函方程誤差構(gòu)建所述增廣拉格朗日函數(shù)。

46、在本發(fā)明的一實施例中，所述走時數(shù)據(jù)生成模塊包括：

47、走時場網(wǎng)絡(luò)生成單元，用于根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型生成所述工區(qū)的走時場網(wǎng)絡(luò)；

48、走時數(shù)據(jù)生成單元，用于根據(jù)所述待插值點坐標以及所述走時場網(wǎng)絡(luò)生成所述待插值點坐標對應(yīng)的走時數(shù)據(jù)。

49、在本發(fā)明的一實施例中，所述誤差確定單元包括：

50、速度場網(wǎng)絡(luò)生成單元，用于根據(jù)所述訓(xùn)練結(jié)果以及所述速度場生成速度場網(wǎng)絡(luò)；

51、走時場網(wǎng)絡(luò)生成單元，用于根據(jù)所述訓(xùn)練結(jié)果以及所述走時場生成走時場網(wǎng)絡(luò)；

52、誤差確定子單元，用于根據(jù)所述速度場網(wǎng)絡(luò)以及所述走時場網(wǎng)絡(luò)確定所述數(shù)據(jù)誤差以及所述程函方程誤差。

53、第三方面，本發(fā)明提供一種計算機程序產(chǎn)品，包括計算機程序/指令，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)一種基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法的步驟。

54、第四方面，本發(fā)明提供一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執(zhí)行程序時實現(xiàn)基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法的步驟。

55、第五方面，本發(fā)明提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法的步驟。

56、從上述描述可知，本發(fā)明實施例提供一種基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法及裝置，對應(yīng)的基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法包括：接收待插值點坐標；根據(jù)待插值點坐標以及預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型生成待插值點坐標對應(yīng)的走時數(shù)據(jù)，其中，神經(jīng)網(wǎng)絡(luò)模型用于擬合待插值點坐標所在工區(qū)的速度場以及走時場，并根據(jù)速度場以及走時場所生成的。

57、對應(yīng)的基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值裝置包括：坐標接收模塊，用于接收待插值點坐標；走時數(shù)據(jù)生成模塊，用于根據(jù)待插值點坐標以及預(yù)先構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型生成待插值點坐標對應(yīng)的走時數(shù)據(jù)，其中，神經(jīng)網(wǎng)絡(luò)模型用于擬合待插值點坐標所在工區(qū)的速度場以及走時場，并根據(jù)速度場以及走時場所生成的。

58、本發(fā)明實施例所提供的基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法及裝置，從物理導(dǎo)引的角度出發(fā)，提出了一種基于數(shù)據(jù)和模型雙驅(qū)動的走時插值方法及裝置。依據(jù)本發(fā)明實施例所提供的基于數(shù)據(jù)和模型雙驅(qū)動的走時數(shù)據(jù)插值方法及裝置所得到的插值走時數(shù)據(jù)具有可靠性以及準確性。