CN110568484B - 一种反演方法、装置及存储介质 - Google Patents

一种反演方法、装置及存储介质 Download PDF

Info

Publication number
CN110568484B
CN110568484B CN201910713447.6A CN201910713447A CN110568484B CN 110568484 B CN110568484 B CN 110568484B CN 201910713447 A CN201910713447 A CN 201910713447A CN 110568484 B CN110568484 B CN 110568484B
Authority
CN
China
Prior art keywords
formation
velocity
stratum
initial model
depth
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910713447.6A
Other languages
English (en)
Other versions
CN110568484A (zh
Inventor
刘铁华
化希瑞
刘铁
崔德海
廖进星
卞友艳
张邦
李凯
刘剑
赵晓博
杨正国
刘伟
段圣龙
柳青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Siyuan Survey and Design Group Co Ltd
Original Assignee
China Railway Siyuan Survey and Design Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Railway Siyuan Survey and Design Group Co Ltd filed Critical China Railway Siyuan Survey and Design Group Co Ltd
Priority to CN201910713447.6A priority Critical patent/CN110568484B/zh
Publication of CN110568484A publication Critical patent/CN110568484A/zh
Application granted granted Critical
Publication of CN110568484B publication Critical patent/CN110568484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/282—Application of seismic models, synthetic seismograms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/301—Analysis for determining seismic cross-sections or geostructures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/303—Analysis for determining velocity profiles or travel times
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本申请实施例提供了一种反演方法、装置及存储介质，所述方法包括：获取测量水平与垂直谱比HVSR曲线的多个极值点以及所述多个极值点对应的频率值；基于所述多个频率值和地层速度，建立初始模型；对所述初始模型进行正演，获得模拟HVSR曲线；基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。

Description

一种反演方法、装置及存储介质
技术领域
本申请涉及地震勘探技术领域，尤其涉及一种反演方法、装置及存储介质。
背景技术
目前，地震学利用实际观测记录数据的反演方法仍多用于深部结构的研究，如单点地震噪音成像方法，该方法是基于测量得到的水平与垂直谱比曲线(Horizontal-to-Vertical Spectral Ratio，HVSR)和表层速度的经验值，来建立初始模型。而常规的地震数据处理往往把近地表建模和中深层建模分开来，也就是说，通常浅层深度依据覆盖层速度进行建模，而深层深度则基于基岩速度进行建模。然而这种方法在后续的反演过程对初始模型依赖性较大，在初始模型不够准确的情况下，会使得反演过程陷入布局极值的情况，最终导致反演结果不理想。
发明内容
有鉴于此，本申请实施例为解决现有技术中存在的至少一个问题而提供一种反演方法、装置及存储介质。
为达到上述目的，本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供一种反演方法，所述方法包括：
获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值；
基于所述多个频率值和地层速度，建立初始模型；
对所述初始模型进行正演，获得模拟HVSR曲线；
基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。
在一种可选的实施方式中，在所述基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练之后，所述方法还包括：
利用训练后的初始模型和监测点的空间位置，生成速度剖面。
在一种可选的实施方式中，所述基于所述多个频率值和地层速度，建立初始模型，包括：
根据所述多个频率值和所述地层速度计算地层深度；
基于所述地层深度和所述地层速度，建立初始模型。
在一种可选的实施方式中，所述根据所述多个频率值和所述地层速度计算地层深度，包括：
根据所述多个频率值和所述地层速度计算第一类地层的地层深度；
根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度；其中，所述第一类地层位于第二类地层之上。
在一种可选的实施方式中，所述方法还包括：
根据表层速度和基岩速度计算地层速度梯度；
根据所述地层速度梯度和所述表层速度计算地层速度。
在一种可选的实施方式中，所述基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练，包括：
建立所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函；
基于所述误差泛函的值，更新所述初始模型的参数。
第二方面，本申请实施例提供一种反演装置，所述装置包括：
测量单元，用于获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值；
建模单元，用于基于所述多个频率值和地层速度，建立初始模型；
正演单元，用于对所述初始模型进行正演，获得模拟HVSR曲线；
训练单元，用于基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。
在一种可选的实施方式中，所述装置还包括：
联合单元，用于利用训练后的初始模型和监测点的空间位置，生成速度剖面。
在一种可选的实施方式中，所述建模单元，具体用于根据所述多个频率值和所述地层速度计算地层深度；
基于所述地层深度和所述地层速度，建立初始模型。
在一种可选的实施方式中，所述建模单元，具体用于根据所述多个频率值和所述地层速度计算第一类地层的地层深度；
根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度；其中，所述第一类地层位于第二类地层之上。
在一种可选的实施方式中，所述装置还包括：
速度计算单元，用于根据表层速度和基岩速度计算地层速度梯度；
根据所述地层速度梯度和所述表层速度计算地层速度。
在一种可选的实施方式中，所述训练单元，具体用于建立所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函；
基于所述误差泛函的值，更新所述初始模型的参数。
第三方面，本申请实施例提供一种电子设备，所述电子设备包括：
网络接口，用于实现组件之间的连接通信；
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现第一方面所述反演方法。
第四方面，本申请实施例提供一种存储介质，所述存储介质存储有计算机程序，当所述计算机程序被至少一个处理器执行时实现上述方法的任一步骤。
本申请实施例提供了一种反演方法、装置及存储介质，所述方法包括：获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值；基于所述多个频率值和地层速度，建立初始模型；对所述初始模型进行正演，获得模拟HVSR曲线；基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。本申请实施例基于测量HVSR曲线的多个局部峰值来建立更精细化的初始模型，使得反演收敛效率更高、反演结果更准确。
附图说明
图1为本申请实施例提供的一种反演方法的流程示意图一；
图2为本申请实施例提供的一种反演方法的流程示意图二；
图3为本申请实施例提供的一个测量HVSR曲线；
图4为利用本申请实施例的方法反演得到的初始模型；
图5为利用本申请实施例的方法得到的联合速度剖面；
图6为本申请实施例提供的一种反演装置的组成结构示意图；
图7为本申请实施例提供的一种电子设备的具体硬件结构示意图。
具体实施方式
为了能够更加详尽地了解本申请实施例的特点与技术内容，下面结合附图对本申请实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本申请实施例。
图1为本申请实施例提供的一种反演方法的流程示意图一，参见图1，本申请实施例的反演方法包括：
步骤101：获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值。
在本申请实施例中，测量HVSR曲线是基于测量得到的地震数据生成，具体实现时，对设置在监测点的检波器采集的地震数据进行预处理，即可得到测量HVSR曲线。
在本申请实施例中，获取测量HVSR曲线后，对测量HVSR曲线进行极值点分析，确定出多个极值点以及所述多个极值点对应的频率值。在一可选实施方式中，可以对测量HVSR曲线进行局部极值点分析，拾取测量HVSR曲线的多个局部极值点，并获取多个局部极值点对应的频率值。
步骤102：基于所述多个频率值和地层速度，建立初始模型。
在本申请实施例中，所述地层速度是基于表层速度和基岩速度计算得到的，具体计算方法为：根据表层速度和基岩速度计算地层速度梯度；根据所述地层速度梯度和所述表层速度计算地层速度。其中，所述表层速度和所述基岩速度可以是基于检波器采集到的地震数据计算得到的，也可以是工程师设置的经验值。
在本申请实施例中，根据所述多个频率值和所述地层速度计算地层深度；基于所述地层深度和所述地层速度，建立初始模型。可以理解的是，所述初始模型是与地层深度和地层速度相关的模型。所述地层深度的计算方法具体为：根据所述多个频率值和所述地层速度计算第一类地层的地层深度；根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度；其中，所述第一类地层位于第二类地层之上。在实际应用中，所述第一类地层可以为非最底层地层，所述第二类地层可以为最底层地层。
步骤103：对所述初始模型进行正演，获得模拟HVSR曲线。
步骤104：基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。
在本申请实施例中，对所述初始模型进行正演，获得模拟HVSR曲线；将所述模拟HVSR曲线和所述测量HVSR曲线进行拟合，利用所述模拟HVSR曲线和所述测量HVSR曲线两者的差值对所述初始模型中的参数进行更新。不断迭代上述过程，直到所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函满足拟合误差或迭代参数满足预设值为止。
在本申请实施例中，在所述初始模型训练完成后，利用训练后的初始模型和监测点的空间位置，生成速度剖面。
在实际应用中，在监测区域中按照一定的距离间隔设置多个监测点，对多个监测点测量得到的多个测量HVSR曲线分别进行反演，将多个反演得到的初始模型进行训练，基于训练后的初始模型按照多个监测点的空间位置进行联合，以获取整个监测区域的联合速度剖面。
本申请实施例提供了一种反演方法、装置及存储介质，所述方法包括：获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值；基于所述多个频率值和地层速度，建立初始模型；对所述初始模型进行正演，获得模拟HVSR曲线；基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。本申请实施例基于测量HVSR曲线的多个局部峰值来建立更精细化的初始模型，使得反演收敛效率更高、反演结果更准确。
图2为本申请实施例提供的一种反演方法的流程示意图二，参见图2，本申请实施例的反演方法包括：
步骤201：拾取局部极值点。
在本申请实施例中，获取测量HVSR曲线后，对测量HVSR曲线进行局部极值点分析，拾取测量HVSR曲线的多个局部极值点，并获取多个局部极值点对应的频率值，将所述频率值从大到小排列，得到目标频率F(i)。其中，i∈[0，n]，n≥1。
需要说明的是，基于所述拾取测量HVSR曲线的局部极值点个数n+1，可以确定地层的层数为n+1，从而可以得到构成n+1层地层的n+2个地层深度，以及n+2个地层深度对应的n+2个地层速度。
步骤202：确定地层速度。
在本申请实施例中，基于已知的表层速度V0和基岩速度Vmax进行插值运算得到地层速度V(i)，所述插值运算方法为：
根据表层速度V0和基岩速度Vmax计算首层速度梯度
Figure BDA0002154540310000061
Figure BDA0002154540310000062
根据计算得到的首层速度梯度Dv(0)计算其他各层速度梯度Dv(i)＝(kl+1)×Dv(i-1)；
其中，i∈[1，n]，n≥1。
根据首层速度梯度Dv(0)和其他各层速度梯度Dv(i)，计算地层速度V(i)＝V(i-1)+Dv(i-1)；
其中，V(i)为第i层地层的地层速度。kl为层间速度扰动系数，kl通常为0.05-0.025。i∈[1，n-1]，n≥1。V(0)＝V0，V(n)＝Vmax。需要说明的是，表层速度V0和基岩速度Vmax可以是基于检波器采集到的地震数据计算得到的，也可以是工程师设置的经验值。
步骤203：建立初始模型。
在本申请实施例中，根据所述目标频率F(i)和所述地层速度V(i)计算地层深度H(i)；基于所述地层深度H(i)和所述地层速度V(i)，建立初始模型Q(V(i)，H(i))。
所述地层深度H(i)的计算方法为：
根据所述目标频率F(i)和所述地层速度V(i)计算第一类地层的地层深度H(i)＝k2×V(i)/F(i)；
其中，H(i)为第i层地层的地层深度。k2为深度转换系数，k2通常为0.2-0.5。i∈[0，n-1]。
根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度H(i)＝2×H(i-1)；
其中，i＝n，H(n)为第n层地层的地层深度，也就是最底层地层的地层深度。
步骤204：训练初始模型。
在本申请实施例中，对所述初始模型进行正演，获得模拟HVSR曲线；将所述模拟HVSR曲线和所述测量HVSR曲线进行拟合，利用所述模拟HVSR曲线和所述测量HVSR曲线两者的差值对所述初始模型中的参数进行更新。不断迭代上述过程，直到所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函满足拟合误差为止。
步骤205：速度剖面联合。
在本申请实施例中，在所述初始模型训练完成后，利用训练后的初始模型和对应的监测点的空间位置，生成速度剖面。
在实际应用中，在监测区域中按照一定的距离间隔设置多个监测点，对多个监测点测量得到的多个测量HVSR曲线分别进行反演，将多个反演得到的初始模型进行训练，基于训练后的初始模型按照多个监测点的空间位置进行联合，以获取整个监测区域的联合速度剖面。
下面结合具体的应用场景对本实施例提供的技术方案进行更加详细地描述。
图3为本申请实施例提供的一个测量HVSR曲线，如图3所示，对测量HVSR曲线进行局部极值点分析，拾取测量HVSR曲线的3个局部极值点，3个局部极值点对应的频率值分别为2.0Hz、4.4Hz、7.7Hz，将3个频率值从大到小排列，得到目标频率F(i)，其中，F(0)＝7.7Hz、F(1)＝4.4Hz、F(2)＝2.0Hz。
取V0＝300m/s，Vmax＝800m/s，kl＝0.1，计算地层速度V(i)。结合图3给出的测量HVSR曲线，可以确定地层的层数为3，从而可以得到构成3层地层的4个地层深度，以及4个地层深度对应的4个地层速度。因此，计算得到的地层速度分别为V0＝300m/s、V1＝451.5m/s、V2＝618.1m/s、V3＝Vmax＝800m/s。
取k2＝0.25，根据所述目标频率F(i)和所述地层速度V(i)计算得到的地层深度H(i)分别为：H(0)＝0.25×V(0)/F(0)＝9.7m、H(1)＝0.25×V(1)/F(1)＝25.6m、H(2)＝0.25×V(2)/F(2)＝77.3m、H(3)＝2×H(2)＝154.6m。
基于图3的测量HVSR曲线，得到的地层速度和地层深度的关系为：地层深度为H(0)＝9.7m时，对应的地层速度为V0＝300m/s；地层深度为H(1)＝25.6m时，对应的地层速度为V1＝451.5m/s；地层深度为H(2)＝77.3m时，对应的地层速度为V2＝618.1m/s；地层深度为H(3)＝154.6m时，对应的地层速度为V3＝800.5m/s。
需要说明的是，图3所示的纵坐标H/V表示水平方向与垂直方向信号的谱比值。
图4为利用本申请实施例的方法反演得到的初始模型。图5为本申请利用本申请实施例的方法得到的联合速度剖面。从图中可以看出，利用本申请实施例的方法反演得到的初始模型反映了监测区域地层的空间分布特征和速度变化规律。
本申请实施例提供了一种反演方法、装置及存储介质，所述方法包括：获取测量得到的水平与垂直谱比HVSR曲线的多个极值点以及所述多个极值点对应的频率值；基于所述多个频率值和地层速度，建立初始模型；对所述初始模型进行正演，获得模拟HVSR曲线；基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。本申请实施例基于测量HVSR曲线的多个局部峰值来建立更精细化的初始模型，使得反演收敛效率更高、反演结果更准确。
基于前述反演方法相同的技术构思，本申请实施例提供一种反演装置，在一些实施例中，反演装置可采用软件模块的方式实现，图6为本申请实施例提供的一种反演装置的组成结构示意图，参见图6，本申请实施例提供的反演装置包括：
测量单元601，用于获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值；
建模单元602，用于基于所述多个频率值和地层速度，建立初始模型；
正演单元603，用于对所述初始模型进行正演，获得模拟HVSR曲线；
训练单元604，用于基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。
在其他实施例中，所述装置还包括：
联合单元605，用于利用训练后的初始模型和监测点的空间位置，生成速度剖面。
在其他实施例中，所述建模单元602，具体用于根据所述多个频率值和所述地层速度计算地层深度；
基于所述地层深度和所述地层速度，建立初始模型。
在其他实施例中，所述建模单元602，具体用于根据所述多个频率值和所述地层速度计算第一类地层的地层深度；
根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度；其中，所述第一类地层位于第二类地层之上。
在其他实施例中，所述装置还包括：
速度计算单元606，用于根据表层速度和基岩速度计算地层速度梯度；
根据所述地层速度梯度和所述表层速度计算地层速度。
在其他实施例中，所述训练单元604，具体用于建立所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函；
基于所述误差泛函的值，更新所述初始模型的参数。
在本申请实施例中的各组成部分可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，可以存储在一个计算机可读取存储介质中，基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或processor(处理器)执行本申请实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
因此，本申请实施例提供了一种存储介质，该存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现上述实施例所述的步骤。
参见图7，示出了本申请实施例提供的一种电子设备700的具体硬件结构，包括：网络接口701、存储器702和处理器703；各个组件通过总线系统704耦合在一起。可理解，总线系统704用于实现这些组件之间的连接通信。总线系统704除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图7中将各种总线都标为总线系统704。
其中，所述网络接口701，用于在与其他外部网元之间进行收发信息过程中，信号的接收和发送；
存储器702，用于存储能够在处理器703上运行的计算机程序；
处理器703，用于在运行所述计算机程序时，执行：
获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值；
基于所述多个频率值和地层速度，建立初始模型；
对所述初始模型进行正演，获得模拟HVSR曲线；
基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。
所述处理器703还用于运行所述计算机程序时，执行：
利用训练后的初始模型和监测点的空间位置，生成速度剖面。
所述处理器703还用于运行所述计算机程序时，执行：
根据所述多个频率值和所述地层速度计算地层深度；
基于所述地层深度和所述地层速度，建立初始模型。
所述处理器703还用于运行所述计算机程序时，执行：
根据所述多个频率值和所述地层速度计算第一类地层的地层深度；
根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度；其中，所述第一类地层位于第二类地层之上。
所述处理器703还用于运行所述计算机程序时，执行：
根据表层速度和基岩速度计算地层速度梯度；
根据所述地层速度梯度和所述表层速度计算地层速度。
所述处理器703还用于运行所述计算机程序时，执行：
建立所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函；
基于所述误差泛函的值，更新所述初始模型的参数。
可以理解，本申请实施例中的存储器702可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Sync Link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的方法的存储器702旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器703可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器703中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器703可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种反演方法，其特征在于，所述方法包括：
获取测量水平与垂直谱比HVSR曲线的多个极值点以及所述多个极值点对应的频率值；
根据所述多个频率值和地层速度计算地层深度；
基于所述地层深度和所述地层速度，建立初始模型；
对所述初始模型进行正演，获得模拟HVSR曲线；
基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。
2.根据权利要求1所述的反演方法，其特征在于，在所述基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练之后，所述方法还包括：
利用训练后的初始模型和监测点的空间位置，生成速度剖面。
3.根据权利要求1所述的反演方法，其特征在于，所述根据所述多个频率值和地层速度计算地层深度，包括：
根据所述多个频率值和所述地层速度计算第一类地层的地层深度；
根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度；其中，所述第一类地层位于第二类地层之上。
4.根据权利要求1所述的反演方法，其特征在于，所述方法还包括：
根据表层速度和基岩速度计算地层速度梯度；
根据所述地层速度梯度和所述表层速度计算地层速度。
5.根据权利要求1-4任一项所述的反演方法，其特征在于，所述基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练，包括：
建立所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函；
基于所述误差泛函的值，更新所述初始模型的参数。
6.一种反演装置，其特征在于，所述装置包括：
测量单元，用于获取测量HVSR曲线的多个极值点以及所述多个极值点对应的频率值；
建模单元，用于根据所述多个频率值和地层速度计算地层深度；基于所述地层深度和所述地层速度，建立初始模型；
正演单元，用于对所述初始模型进行正演，获得模拟HVSR曲线；
训练单元，用于基于所述模拟HVSR曲线和所述测量HVSR曲线，对所述初始模型进行训练。
7.根据权利要求6所述的反演装置，其特征在于，所述装置还包括：
联合单元，用于利用训练后的初始模型和监测点的空间位置，生成速度剖面。
8.根据权利要求6所述的反演装置，其特征在于，
所述建模单元，具体用于根据所述多个频率值和所述地层速度计算第一类地层的地层深度；
根据第二类地层的上一层地层的地层深度计算第二类地层的地层深度；其中，所述第一类地层位于第二类地层之上。
9.根据权利要求6所述的反演装置，其特征在于，所述装置还包括：
速度计算单元，用于根据表层速度和基岩速度计算地层速度梯度；
根据所述地层速度梯度和所述表层速度计算地层速度。
10.根据权利要求6-9任一项所述的反演装置，其特征在于，
所述训练单元，具体用于建立所述模拟HVSR曲线和所述测量HVSR曲线的误差泛函；
基于所述误差泛函的值，更新所述初始模型的参数。
11.一种电子设备，其特征在于，所述电子设备包括：
网络接口，用于实现组件之间的连接通信；
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至5中任一项所述的反演方法。
12.一种存储介质，其特征在于，所述存储介质存储有计算机程序，当所述计算机程序被至少一个处理器执行时，实现权利要求1至5中任一项所述的反演方法。
CN201910713447.6A 2019-08-02 2019-08-02 一种反演方法、装置及存储介质 Active CN110568484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910713447.6A CN110568484B (zh) 2019-08-02 2019-08-02 一种反演方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910713447.6A CN110568484B (zh) 2019-08-02 2019-08-02 一种反演方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN110568484A CN110568484A (zh) 2019-12-13
CN110568484B true CN110568484B (zh) 2021-07-16

Family

ID=68774465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910713447.6A Active CN110568484B (zh) 2019-08-02 2019-08-02 一种反演方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110568484B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288992A (zh) * 2011-04-26 2011-12-21 中国海洋石油总公司 利用地震信号包络峰值瞬时频率估计介质品质因子的方法
CN102590862A (zh) * 2012-01-19 2012-07-18 中国科学院地质与地球物理研究所 补偿吸收衰减的叠前时间偏移方法
CN105388518A (zh) * 2014-09-04 2016-03-09 中国石油化工股份有限公司 一种质心频率与频谱比联合的井中地震品质因子反演方法
CN109061731A (zh) * 2018-09-18 2018-12-21 中国地震局地壳应力研究所 面波频散与体波谱比联合反演浅层速度的全局优化方法
CN109683195A (zh) * 2019-01-09 2019-04-26 武汉理工大学 一种地震动摇摆分量获取方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7729862B2 (en) * 2006-06-09 2010-06-01 Spectraseis Ag Frequency autonormalisation reservoir mapping
US9864083B2 (en) * 2015-01-23 2018-01-09 Advanced Geophysical Technology, Inc. Beat tone full waveform inversion
CN105182416A (zh) * 2015-09-06 2015-12-23 中国石油天然气股份有限公司 基于分频数据的地震反演方法及其装置
CN107203002B (zh) * 2017-06-12 2019-05-24 中国科学院地质与地球物理研究所 反演速度模型的建立方法和地下结构的像的获得方法
CN108318918A (zh) * 2017-12-29 2018-07-24 福建省建筑设计研究院有限公司 基于微动频散曲线和h/v曲线的地下不良地质体无损探测方法及应用
CN109085643A (zh) * 2018-07-30 2018-12-25 中国石油化工股份有限公司 早至波的分步联合反演方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288992A (zh) * 2011-04-26 2011-12-21 中国海洋石油总公司 利用地震信号包络峰值瞬时频率估计介质品质因子的方法
CN102590862A (zh) * 2012-01-19 2012-07-18 中国科学院地质与地球物理研究所 补偿吸收衰减的叠前时间偏移方法
CN105388518A (zh) * 2014-09-04 2016-03-09 中国石油化工股份有限公司 一种质心频率与频谱比联合的井中地震品质因子反演方法
CN109061731A (zh) * 2018-09-18 2018-12-21 中国地震局地壳应力研究所 面波频散与体波谱比联合反演浅层速度的全局优化方法
CN109683195A (zh) * 2019-01-09 2019-04-26 武汉理工大学 一种地震动摇摆分量获取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《不同时频变换谱比法品质因子Q估算效果对比分析》;赵秋芳 等;《地球物理学进展》;20181231;第33卷(第5期);第2097-2101页 *

Also Published As

Publication number Publication date
CN110568484A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110415516B (zh) 基于图卷积神经网络的城市交通流预测方法及介质
Wang et al. Deep transfer learning for source ranging: Deep-sea experiment results
TWI687711B (zh) 震央距離推定裝置、震央距離推定方法及電腦可讀取之記錄媒體
AU2011356685B2 (en) Methods and systems regarding models of underground formations
KR101761707B1 (ko) 능동형 정보수집 스크립트 및 수치모형을 이용한 태풍해일 자동 예측 방법
CN110824429B (zh) 深海环境下利用非同步垂直阵的宽带声源被动定位方法
JP2020003489A (ja) モーション認識モデルを用いた自体運動推定装置及び方法並びにモーション認識モデルトレーニング装置及び方法
CN108684203A (zh) 使用基于学习的模型预测控制来确定自动驾驶车辆的道路摩擦的方法和系统
US20130158874A1 (en) Automated system and method for vertical gradient correction
EP3671575A2 (en) Neural network processing method and apparatus based on nested bit representation
KR102241404B1 (ko) 시각 입력을 이용한 에이전트 네비게이션
CN105636201A (zh) 基于稀疏信号指纹数据库的室内定位方法
US20220205354A1 (en) Estimating Reservoir Production Rates Using Machine Learning Models for Wellbore Operation Control
Acar Simultaneous optimization of shape parameters and weight factors in ensemble of radial basis functions
CN108292138A (zh) 随机地图知悉式立体视觉传感器模型
US20160238724A1 (en) Methods and systems of generating a velocity model
AU2022399667A1 (en) Method and apparatus for inversion of crustal structure of passive continental margin based on subsidence in stratigraphic record
Peng et al. Development and experimental verification of an IoT sensing system for drive-by bridge health monitoring
CN110568484B (zh) 一种反演方法、装置及存储介质
CN110223342B (zh) 一种基于深度神经网络的空间目标尺寸估计方法
FR3040809A1 (zh)
CN108508481A (zh) 一种纵波转换波地震数据时间匹配的方法、装置及系统
CN109725354B (zh) 各向异性速度建模方法及系统
CN109001804B (zh) 一种基于三维地震数据确定有效应力的方法、装置及系统
KR102396846B1 (ko) 토목시설물 모델링 방법 및 그 방법을 수행하기 위한 전자 장치

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant