應用曲率譜和Siamese 網(wǎng)絡的疊前深度偏移速度建模

摘要： 速度建模是疊前深度偏移的重要環(huán)節(jié)，通常需要在層位約束下對觀測點的地層速度進行橫向外推，然而在速度建模初期缺乏地震解釋層位等格架信息。為此，文中提出了一種基于曲率譜橫向相似性和改進循環(huán)結構Siamese 網(wǎng)絡的速度模型建立方法。Siamese 網(wǎng)絡是目前常用的基于深度學習的目標識別和追蹤網(wǎng)絡，可以快速進行目標圖像的相似度對比，而且不需要人工制作標簽。曲率譜可以看成反應地層特征和速度信息的二維圖像，將速度建模作為橫向特征相似性類比問題，通過類比曲率譜可以自動得到地層的格架和速度更新信息。首先，將疊前深度偏移后的道集轉換為曲率譜； 其次，確定待搜索曲率譜圖像及其對應的目標追蹤對象，并求取當前追蹤對象與目標追蹤對象的相似系數(shù)； 然后，基于相似系數(shù)更新參考曲率譜圖像和當前追蹤對象； 最后，在遍歷完全部追蹤對象時，基于各個追蹤對象的層速度及深度建立速度模型。理論模型和實際數(shù)據(jù)試驗結果表明，該方法能在沒有解釋資料的條件下快速生成符合地質構造和地層特征的速度模型。

關鍵詞： 曲率譜，Siamese 網(wǎng)絡，疊前深度偏移，速度建模，橫向相似性，相似系數(shù)

中圖分類號：P631 文獻標識碼：A DOI：10. 13810/j. cnki. issn. 1000‐7210. 2024. 06. 005

0 引言

建立偏移速度模型是疊前深度偏移的重要環(huán)節(jié)，初始速度模型的精度決定了后續(xù)速度建模的精度和效率。傳統(tǒng)方法將從井中觀測的層速度沿著地震解釋層位外推或者人工編輯層間速度生成疊前深度偏移的速度模型[1]。傳統(tǒng)方法依賴地震層位人工解釋和層位拾取，是最耗時和勞動密集的步驟之一[2]。許多地球物理學家提出了多種算法提高層位自動追蹤的效率和精度[3‐4]，但需要先驗信息或者人工標注樣本，否則無法實現(xiàn)整個數(shù)據(jù)體的自動解釋。速度模型通常只需體現(xiàn)出地層的低頻趨勢，但是必須是由淺到深涵蓋全工區(qū)。由于解釋人員幾乎不會從淺到深對全部地層進行層位解釋，甚至有時候完全沒有層位資料，這就需要有一種高效、準確的方法在缺少層位約束的條件下建立符合構造特征的速度模型。

常規(guī)地震數(shù)據(jù)處理中通過速度譜分析獲得疊加或者時間偏移速度[5‐6]。在深度域速度建模中由于道集拉平程度與速度具有對應關系，因此常用曲率譜進行速度建模[7]。速度譜和曲率譜中的能量團含有地震道集中每條同相軸的位置和速度信息，相比道集來說能量團的特征更加簡單而且信噪比更高，可以利用其圖形特征獲得建立地層格架和速度的橫向變化趨勢。

深度學習技術在計算機視覺任務上取得了遠遠超過傳統(tǒng)神經(jīng)網(wǎng)絡方法的性能，這主要是由于卷積神經(jīng)網(wǎng)絡（CNN）等具有強大的特征表達能力。在勘探地球物理學領域，深度學習已成功應用于地震處理和解釋[8‐11]。深度學習具有提供更多全局信息的潛在能力，視覺目標追蹤技術作為計算機視覺的重要組成部分得到了長足的發(fā)展。Siamese 網(wǎng)絡[12‐13]是一類用于度量樣本之間相似性的卷積網(wǎng)絡，可以通過對比物體的相似性判斷物體的位置。由于Siamese 網(wǎng)絡結構簡單且不需要人工標注樣本，因此具有極高的計算效率，常用于實時的目標追蹤場景。

本文將速度建模轉換為二維圖像的目標追蹤問題，并提出一種基于曲率譜和改進Siamese 網(wǎng)絡的深度偏移速度模型建立方法?；贑NN 的Siamese網(wǎng)絡由兩個具有共享參數(shù)的對稱子網(wǎng)組成，包含兩個分支：以追蹤目標為輸入的目標分支和以搜索區(qū)域為輸入的搜索分支。本文提出一種改進的循環(huán)結構Siamese 網(wǎng)絡，以解決目標追蹤時的曲率譜特征橫向變化問題。循環(huán)結構在Siamese 網(wǎng)絡的基礎上添加了更新分支，以實現(xiàn)追蹤目標的動態(tài)更新。與傳統(tǒng)的Siamese 網(wǎng)絡相比，循環(huán)網(wǎng)絡可將當前的預測結果用于更新Siamese 網(wǎng)絡。本文方法的建模流程為：首先，將疊前深度偏移后的道集轉換為曲率譜； 其次，確定待搜索曲率譜圖像及其對應的目標追蹤對象，并求取當前追蹤對象與目標追蹤對象的相似系數(shù)； 然后，基于相似系數(shù)更新參考曲率譜圖像和當前追蹤對象； 最后，在遍歷完全部追蹤對象后，基于各個當前追蹤對象的層速度及深度建立速度模型。為了驗證方法，用理論模型數(shù)據(jù)和實際數(shù)據(jù)進行了實驗，結果表明，該方法能夠自動獲得地層的格架信息并用于井外推或者利用曲率譜自動更新速度模型。

1 曲率譜

對于深度偏移，如果速度模型正確則偏移獲得的共成像點（CIP）道集上的同相軸應是水平的，如果偏移速度過高則在CIP 道集上的同相軸出現(xiàn)下彎，偏移速度過低則CIP 道集上的同相軸出現(xiàn)上翹。對CIP 道集進行曲率掃描可以獲得相應的曲率譜[7]，曲率譜也是由一連串的能量團組成，橫坐標代表不同的速度百分比。速度建模時會依據(jù)能量團的橫坐標確定偏移速度和道集拉平速度間的速度差并以此更新疊前深度偏移的速度[14‐16]。

曲率譜本身是一種能夠反映地層特征的二維圖像，對于識別地層橫向變化具有更多的優(yōu)勢。曲率譜沿著雙曲線對同相軸進行掃描和疊加，一定程度上衰減了非雙曲的噪聲。曲率譜縱向上由多個能量團組成，由于地層反射面在地下具有可能連續(xù)的結構，相鄰幾道的曲率譜具有相似特征，在大多數(shù)情況下曲率譜中的能量團與地層具有對應關系，因此曲率譜具備反映地層結構的能力。圖1c 是圖1a 所示道集生成的曲率譜，能量團中心點往往意味著能量的極大值。圖1b 為深度偏移疊加剖面，可以看出能量團的深度與地震剖面中同相軸具有對應關系。圖2a、圖2b、圖2c 分別為CDP50、CDP200、CDP350 的曲率譜，三個曲率譜具有較高的相似性，其中每個能量團都與一個地層反射相對應。利用能量團在橫向上的相似性，可以通過追蹤能量團的方式獲取地層的格架信息。