(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110078654.6 (22)申请日 2021.01.20 (65)同一申请的已公布的文献号 申请公布号 CN 113312830 A (43)申请公布日 2021.08.27 (73)专利权人 广州海洋地质调查局 地址 510000 广东省广州市环市东路47 7号 专利权人 南方海洋科学与工程广东省实验 室 （广州） (72)发明人 邢涛　秦越　刘斌　 (74)专利代理 机构 广州君咨知识产权代理有限 公司 44437 代理人 谭启斌 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/08(2006.01) G06F 113/08(2020.01) (56)对比文件 CN 102289594 A,201 1.12.21 CN 110298280 A,2019.10.01 审查员 俞姝颖 (54)发明名称 基于深度学习获得海洋中尺度涡波阻抗方 法及处理终端 (57)摘要 本发明公开一种基于深度学习获得海洋中 尺度涡波阻抗方法及处理终端， 所述方法包括， 通过声速模 型和密度模型， 得到若干中尺度涡旋 波阻抗模型； 对每一个所述中尺度涡旋模型进行 正演模拟， 得到地震反射数据， 然后进行成像处 理， 得到地震反射成像剖面； 将地震反射成像剖 面和中尺度涡旋波阻抗模型构建为标签数据； 构 建深度学习模 型， 输入标签数据得到训练后的深 度学习模型； 将实际采集到的地震数据进行处 理， 得到待提取的地震反射成像剖面， 并输入至 训练后的深度学习模型进行处理， 获得中尺度 涡 旋的波阻抗。 本发明基于深度学习的方法能够从 弱地震反射信号中提取中涡 旋的波阻抗信息， 而 且基于深度学习的方法能够适用于涡旋复杂的 结构。 权利要求书2页 说明书5页 附图6页 CN 113312830 B 2022.02.25 CN 113312830 B 1.一种基于深度学习获得海洋中尺度涡波阻抗方法， 其特 征在于， 包括如下步骤： 步骤1： 建立海水层背景声速模型和海水层背景密度模型， 在海水层背景声速模型和海 水层背景密度模型上分别对应添加中尺度涡旋的声速模型、 中尺度涡旋的密度模型， 分别 得到中尺度涡旋声速模型和中尺度涡旋密度模型， 其中， 中尺度涡旋的声速模型和中尺度涡旋的密度模型通过 预设得到； 步骤2： 多个不同的中尺度涡旋声速模型中的每一个和多个不同的中尺度涡旋密度模 型中的每一个分别相乘， 得到若干中尺度涡旋波阻抗模型， 其中， 得到所述多个不同的中尺度涡旋声速模型和多个不同的中尺度涡旋密度模型， 其具体实现过程如下： 将步骤1中的中尺度涡旋声速模型和中尺度涡旋密度模型分别进行旋转或平移， 旋转 角度随机， 平移距离随机， 每一次旋转或平移则对应得到一个中尺度涡旋声速模型或中尺 度涡旋密度模型， 从而得到多个不同的中尺度涡旋声速模型和多个不同的中尺度涡旋密度 模型； 步骤3： 对每一组中尺度涡旋模型进行正演模拟， 得到地震反射数据， 对所有地震反射 数据分别进行成像处 理， 得到对应的地震反射成像剖面， 其中， 一组中尺度涡旋模型包括所述中尺度涡旋声速模型、 所述中尺度涡旋密度模型 和所述中尺度涡旋波阻抗模型； 步骤4： 将地震反射成像剖面和中尺度涡旋波阻抗模型构建为标签数据， 标签数据包括 目标数据和输入数据， 目标 数据为中尺度涡旋波阻抗模型， 输入数据为 地震反射成像剖面； 步骤5： 构建基于神经网络的深度学习模型， 将步骤4的标签数据分成至少两份， 一份用 于训练深度学习模型， 另一份用于测试深度学习模型， 通过训练和测试合格后得到最终训 练后的深度学习模型； 步骤6： 将实际采集到的地震数据进行与步骤3相同的处理， 得到待提取波阻抗的地震 反射成像剖面， 将待提取波阻抗的地震反射成像剖面输入至所述训练后的深度 学习模型进行处理， 深 度学习模型输出的结果即为中尺度涡旋的波阻抗， 完成处 理。 2.根据权利要求1所述的基于深度学习获得海洋中尺度涡波阻抗方法， 其特征在于， 步 骤3中， 所述 正演模拟中， 随机 选用不同频率的雷 克子波作为震源。 3.根据权利要求1所述的基于深度学习获得海洋中尺度涡波阻抗方法， 其特征在于， 所 述正演模拟中， 通过数值求解中尺度涡旋模型的声波 方程， 得到正演结果， 该正演结果即为 地震反射数据， 声 波方程如下： 式中， v表示声速， ρ 表示密度， P表示地震波场， 表示狄拉克算子， F表示震源力， t表示 时间。 4.根据权利要求1所述的基于深度学习获得海洋中尺度涡波阻抗方法， 其特征在于， 所 述神经网络为卷积层和全连接层组合得到， 在神经网络中， 输入层和输出层节点的个数均 为Nz*Nx， Nz表示在深度方向的采样点数， Nx表示水平横向方向上的采样点数。权　利　要　求　书 1/2 页 2 CN 113312830 B 25.一种处 理终端， 其特 征在于， 其包括： 存储器， 用于存 储程序指令； 处理器， 用于运行所述程序指令， 以执行如权利要求1 ‑4任一项所述基于深度 学习获得 海洋中尺度涡波阻抗方法的步骤。权　利　要　求　书 2/2 页 3 CN 113312830 B 3