技术摘要：
本发明提供了一种基于地震信号优化处理的波阻抗反演方法，所述方法包括：构建CNN‑LSTM融合模块；构建反卷积模块；构建回归模块；选择均方误差MSE作为损失函数，并选择Adam作为优化器，加入学习率衰减；对区域的波阻抗值进行预测，得到预测结果后，分别以图像的形式对  全部
背景技术：
在地震勘探技术方面，随着近年来相关物理设备的进步、数据采集能力的提升和 数据资料处理和解释方法的发展，基于地震资料进行储层预测的方法越来越普及并且被广 泛应用，因此地震勘探是最重要的石油勘探方法，在油气开发中是不可或缺的工具。而在储 层预测中，被使用最多的技术之一就是地震反演。地震反演是一种求解过程，通常情况下是 指使用地质规律和测井数据资料作为反演的约束条件，通过地震数据和资料对地下岩石的 物理性质和岩层空间结构进行预测的过程。地震勘探技术虽然已经日趋完善，但是仍存在 各种各样的问题，如深层复杂构造成像不准确问题、深层复杂储层预测问题、地震资料不保 幅问题、深埋及高频吸收带来的地震资料低分辨率问题、复杂油藏环境引起的综合评价问 题等等 在石油勘探和油气开发行业中，地震反演技术作为研究热点，是储层预测的核心 技术部分，在储层表征领域具有重要的地位和研究意义。其中，波阻抗与地下结构和岩性密 切相关，具有十分鲜明的物理含义，是储层预测、油气特征描述的确定性方法。 目前机器学习和深度学习算法，特别是神经网络模型，在地震反演领域已有着初 步的成效并且仍然具有很大的发展潜力。如何在地下非线性分布和异构性的条件下，更好 地实现地震数据和波阻抗两者的映射方法，得到更好的预测是一个需要解决的问题。
技术实现要素：
本发明提供了一种基于地震信号优化处理的波阻抗反演方法，能有效和准确地基 于地震数据进行波阻抗值预测，同时该反演模型也具有较高的可扩展性和应用性，因此这 对储层预测技术的发展和提升、油藏的开发利用具有很大的帮助和积极作用。经过后处理 的预测AI数据更加平滑，在边缘地界和中央区域的模糊化问题得到了改善，并且对于图像 抖动的问题有一定的修正作用。在边缘地界和中央区域的模糊化问题得到了改善，并且对 于图像抖动的问题有一定的修正作用 为了解决上述问题，本发明所采用的技术方案如下所述： 步骤一、按照时间间隔Δt进行采样对地震信号进行采样，获取地震数据，将地震 数据输入CNN-LSTM融合模块，CNN-LSTM融合模块由CNN层和LSTM层两部分构成，并行使用2 个具有不同膨胀因子的一维卷积块进行特征提取，随后连接另一卷积块组合并行卷积块的 输出特征，每个卷积块都由一个卷积层、随后的组归一化和一个激活函数组成，其中选择了 双曲正切函数作为激活函数，在每个卷积块之后添加Dropout层，增强CNN层的泛化能力， CNN层负责输入样本轨迹中高频趋势的捕获，LSTM层由2个LSTM网络序列构成，等效于一个2 层深度的LSTM网络组成，LSTM层对长期依赖性进行捕获，输出样本轨迹中的低频趋势； 3 CN 111596366 A 说　明　书 2/5 页 步骤二、将数据输入反卷积模块，反卷积模块由两个反卷积组成，每个反卷积块都 具有一个反卷积层，随后进行组归一化，并连接一个激活函数，其中激活函数类型为双曲正 切函数，反卷积模块对地震数据和测井数据之间的分辨率失配进行补偿，提升特征图的大 小，完成上采样； 步骤三、将数据输入构建回归模块，回归模块由门控循环单元GRU部分和一个线性 映射层组成，将所提取的特征回归到目标域，即AI域，GRU部分只有一个简单的1层GRU，负责 使用全局时间特征来增加插值输出，线性映射层将从之前GRU中获取的输出特征映射回AI 值； 步骤四、选择均方误差MSE作为损失函数，并选择Adam作为优化器，加入学习率衰 减； 步骤五、对区域的波阻抗值进行预测，得到预测结果后，分别以图像的形式对真实 的波阻抗值和预测的波阻抗值进行展示，并绘制对应散点图和差异图进行对比。 第二方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在 所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述 计算机程序时实现本申请实施例描述的方法。 第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程 序，所述计算机程序用于： 所述计算机程序被处理器执行时实现如本申请实施例描述的方法。 附图说明 图1是本发明基于地震信号优化处理的波阻抗反演流程图。