本發(fā)明涉及地震勘探，尤其是涉及一種地震數(shù)據(jù)高精度成像方法及裝置。

背景技術(shù)：

1、在地震勘探中，通過對(duì)地表面的地震觀測(cè)數(shù)據(jù)進(jìn)行偏移處理，獲取地下復(fù)雜構(gòu)造信息，是地球物理學(xué)家一直以來的努力目標(biāo)，這一過程一般稱為地震數(shù)據(jù)成像。對(duì)大多數(shù)偏移處理方法實(shí)踐而言，偏移孔徑的選擇是一個(gè)重要工作。較小的偏移孔徑可減少偏移計(jì)算量，但存在著不能對(duì)陡傾角構(gòu)造正確成像的風(fēng)險(xiǎn)；過大的偏移孔徑又帶來了偏移噪音和較大的偏移計(jì)算量。較好的偏移孔徑可壓制偏移噪音并提高偏移處理的計(jì)算效率。

2、由于偏移算法的實(shí)現(xiàn)方式限制，在一個(gè)偏移作業(yè)中，通常總是選取一個(gè)統(tǒng)一的偏移孔徑。但是，因?yàn)榈叵聵?gòu)造傾角是隨著空間位置變化而變化的，因此對(duì)某一成像點(diǎn)合適的偏移孔徑，對(duì)其他成像點(diǎn)就可能是過大或過小。此外，由于偏移處理前人們很難對(duì)擬成像構(gòu)造的傾角有一個(gè)準(zhǔn)確的估計(jì)，偏移孔徑的選取只能采用保守的方法即選取較大的孔徑。這導(dǎo)致了偏移噪音沒能很好地壓制，進(jìn)而導(dǎo)致成像剖面不清晰。

3、綜上所述，現(xiàn)有地震數(shù)據(jù)成像方法存在成像精度低的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種地震數(shù)據(jù)高精度成像方法及裝置，以緩解現(xiàn)有地震數(shù)據(jù)成像方法存在的成像精度低的技術(shù)問題。

2、第一方面，本發(fā)明提供一種地震數(shù)據(jù)高精度成像方法，包括：獲取待成像工區(qū)的地震疊前道集；針對(duì)待成像工區(qū)的成像空間中的每條成像線，以固定偏移孔徑對(duì)地震疊前道集進(jìn)行多方位疊前偏移處理，得到每條成像線的多方位偏移成像剖面集合；利用目標(biāo)神經(jīng)網(wǎng)絡(luò)模型對(duì)目標(biāo)成像線的多方位偏移成像剖面集合進(jìn)行處理，得到目標(biāo)成像線的高精度偏移成像剖面；其中，目標(biāo)神經(jīng)網(wǎng)絡(luò)模型為基于transformer神經(jīng)網(wǎng)絡(luò)和cnn神經(jīng)網(wǎng)絡(luò)構(gòu)成的輕量級(jí)神經(jīng)網(wǎng)絡(luò)，且transformer神經(jīng)網(wǎng)絡(luò)位于cnn神經(jīng)網(wǎng)絡(luò)的編碼模塊和解碼模塊之間；目標(biāo)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練目標(biāo)為輸出的偏移成像剖面預(yù)測(cè)結(jié)果與實(shí)際高精度偏移成像剖面之間的誤差小于預(yù)設(shè)閾值；目標(biāo)成像線表示成像空間中的任一條成像線；基于所有成像線的高精度偏移成像剖面，確定待成像工區(qū)的高精度成像結(jié)果。

3、可選的，還包括：獲取訓(xùn)練工區(qū)的地震疊前道集；基于訓(xùn)練工區(qū)的地震疊前道集確定多條典型成像線的高精度偏移成像剖面和相應(yīng)的多方位偏移成像剖面集合；其中，高精度偏移成像剖面是將成像點(diǎn)的菲涅耳帶作為偏移孔徑進(jìn)行偏移處理后得到的成像剖面；將每個(gè)典型成像線的多方位偏移成像剖面集合作為初始神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)，并將相應(yīng)的高精度偏移成像剖面作為訓(xùn)練標(biāo)簽，對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至達(dá)到訓(xùn)練目標(biāo)，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型。

4、可選的，基于訓(xùn)練工區(qū)的地震疊前道集確定多條典型成像線的高精度偏移成像剖面，包括：基于訓(xùn)練工區(qū)的地震疊前道集計(jì)算目標(biāo)典型成像線的多方位傾角域偏移道集；其中，目標(biāo)典型成像線表示多條典型成像線中的任一條成像線；基于多方位傾角域偏移道集，人機(jī)交互拾取多個(gè)典型成像點(diǎn)的菲涅耳帶；將多個(gè)典型成像點(diǎn)的菲涅耳帶作為偏移孔徑，對(duì)訓(xùn)練工區(qū)的地震疊前道集進(jìn)行疊前偏移處理，得到目標(biāo)典型成像線的高精度偏移成像剖面。

5、可選的，初始神經(jīng)網(wǎng)絡(luò)模型還包括：歸一化層和反歸一化層；將每個(gè)典型成像線的多方位偏移成像剖面集合作為初始神經(jīng)網(wǎng)絡(luò)模型的輸入數(shù)據(jù)，并將相應(yīng)的高精度偏移成像剖面作為訓(xùn)練標(biāo)簽，對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，包括：歸一化層分別對(duì)目標(biāo)典型成像線的多方位偏移成像剖面集合和相應(yīng)的高精度偏移成像剖面進(jìn)行歸一化處理，得到振幅歸一化后的多方位偏移成像剖面集合和振幅歸一化后的高精度偏移成像剖面；編碼模塊對(duì)振幅歸一化后的多方位偏移成像剖面集合中每一局部時(shí)窗數(shù)據(jù)進(jìn)行編碼，以提取每一局部時(shí)窗數(shù)據(jù)的局部特征和剖面位置信息；將所有局部時(shí)窗數(shù)據(jù)的局部特征進(jìn)行特征展開，以構(gòu)建局部特征長(zhǎng)序列；transformer神經(jīng)網(wǎng)絡(luò)提取局部特征長(zhǎng)序列的全局特征和有效特征，得到目標(biāo)特征序列；將目標(biāo)特征序列進(jìn)行特征折疊，解碼模塊對(duì)折疊后的特征和剖面位置信息進(jìn)行解碼，得到重建后的偏移成像剖面；基于重建后的偏移成像剖面和振幅歸一化后的高精度偏移成像剖面，計(jì)算損失函數(shù)值，以基于損失函數(shù)值對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；反歸一化層基于目標(biāo)典型成像線的多方位偏移成像剖面集合和相應(yīng)的高精度偏移成像剖面，對(duì)重建后的偏移成像剖面進(jìn)行反歸一化處理，得到振幅恢復(fù)后的高精度偏移成像剖面。

6、可選的，歸一化層分別對(duì)目標(biāo)典型成像線的多方位偏移成像剖面集合和相應(yīng)的高精度偏移成像剖面進(jìn)行歸一化處理，包括：確定目標(biāo)典型成像線的多方位偏移成像剖面集合中每個(gè)位置點(diǎn)的振幅值，得到每個(gè)偏移成像剖面對(duì)應(yīng)的振幅值集合；將所有振幅值集合中的相同序號(hào)的振幅值進(jìn)行疊加，并在疊加之后取絕對(duì)值，得到第一目標(biāo)振幅值集合；將第一目標(biāo)振幅值集合中的最大振幅值作為多方位偏移成像剖面集合的歸一化參數(shù)，以對(duì)多方位偏移成像剖面集合進(jìn)行歸一化處理；確定目標(biāo)典型成像線的高精度偏移成像剖面中每個(gè)位置點(diǎn)的振幅值，并取絕對(duì)值，得到第二目標(biāo)振幅值集合；將第二目標(biāo)振幅值集合中的最大振幅值作為高精度偏移成像剖面的歸一化參數(shù)，以對(duì)高精度偏移成像剖面進(jìn)行歸一化處理。

7、可選的，反歸一化層基于目標(biāo)典型成像線的多方位偏移成像剖面集合和相應(yīng)的高精度偏移成像剖面，對(duì)重建后的偏移成像剖面進(jìn)行反歸一化處理，包括：確定目標(biāo)典型成像線的多方位偏移成像剖面集合中每個(gè)位置點(diǎn)的振幅值，以基于振幅值確定多方位偏移成像剖面集合的能量平均值，得到第一能量；確定目標(biāo)典型成像線的高精度偏移成像剖面中每個(gè)位置點(diǎn)的振幅值，以基于振幅值確定高精度偏移成像剖面的能量平均值，得到第二能量，以及，確定高精度偏移成像剖面中的振幅最大值；基于第一能量、第二能量和振幅最大值，確定重建后的偏移成像剖面的反歸一化參數(shù)；基于反歸一化參數(shù)對(duì)重建后的偏移成像剖面進(jìn)行反歸一化處理，得到振幅恢復(fù)后的高精度偏移成像剖面。

8、可選的，典型成像線的選擇標(biāo)準(zhǔn)為：在構(gòu)造變化劇烈的位置，基于第一間隔選取成像線，在構(gòu)造平緩的位置，基于第二間隔選取成像線，第一間隔小于第二間隔。

9、第二方面，本發(fā)明提供一種地震數(shù)據(jù)高精度成像裝置，第一獲取模塊，用于獲取待成像工區(qū)的地震疊前道集；偏移模塊，用于針對(duì)待成像工區(qū)的成像空間中的每條成像線，以固定偏移孔徑對(duì)地震疊前道集進(jìn)行多方位疊前偏移處理，得到每條成像線的多方位偏移成像剖面集合；處理模塊，用于利用目標(biāo)神經(jīng)網(wǎng)絡(luò)模型對(duì)目標(biāo)成像線的多方位偏移成像剖面集合進(jìn)行處理，得到目標(biāo)成像線的高精度偏移成像剖面；其中，目標(biāo)神經(jīng)網(wǎng)絡(luò)模型為基于transformer神經(jīng)網(wǎng)絡(luò)和cnn神經(jīng)網(wǎng)絡(luò)構(gòu)成的輕量級(jí)神經(jīng)網(wǎng)絡(luò)，且transformer神經(jīng)網(wǎng)絡(luò)位于cnn神經(jīng)網(wǎng)絡(luò)的編碼模塊和解碼模塊之間；目標(biāo)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練目標(biāo)為輸出的偏移成像剖面預(yù)測(cè)結(jié)果與實(shí)際高精度偏移成像剖面之間的誤差小于預(yù)設(shè)閾值；目標(biāo)成像線表示成像空間中的任一條成像線；第一確定模塊，用于基于所有成像線的高精度偏移成像剖面，確定待成像工區(qū)的高精度成像結(jié)果。

10、第三方面，本發(fā)明提供一種電子設(shè)備，包括存儲(chǔ)器、處理器，所述存儲(chǔ)器上存儲(chǔ)有可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)前述實(shí)施方式中任一項(xiàng)所述的地震數(shù)據(jù)高精度成像方法。

11、第四方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)前述實(shí)施方式中任一項(xiàng)所述的地震數(shù)據(jù)高精度成像方法。

12、本發(fā)明提供了一種地震數(shù)據(jù)高精度成像方法，在獲取到待成像工區(qū)的地震疊前道集之后，首先對(duì)成像空間中的每條成像線，以固定偏移孔徑對(duì)地震疊前道集進(jìn)行多方位疊前偏移處理，得到每條成像線的多方位偏移成像剖面集合，然后利用目標(biāo)神經(jīng)網(wǎng)絡(luò)模型對(duì)目標(biāo)成像線的多方位偏移成像剖面集合進(jìn)行處理，得到目標(biāo)成像線的高精度偏移成像剖面。目標(biāo)神經(jīng)網(wǎng)絡(luò)模型為基于transformer神經(jīng)網(wǎng)絡(luò)和cnn神經(jīng)網(wǎng)絡(luò)構(gòu)成的輕量級(jí)神經(jīng)網(wǎng)絡(luò)，且訓(xùn)練目標(biāo)為輸出的偏移成像剖面預(yù)測(cè)結(jié)果與實(shí)際高精度偏移成像剖面之間的誤差小于預(yù)設(shè)閾值，因此，其能夠確保輸出的偏移成像剖面為高精度成像結(jié)果，有效地緩解了現(xiàn)有地震數(shù)據(jù)成像方法存在的成像精度低的技術(shù)問題。