本发明涉及深度学习领域，尤其涉及一种自由表面多次波压制方法及设备。
背景技术：
1、当地震波遇到强波阻抗界面与自由表面多次反射所形成的波称为自由表面多次波。在海洋地震勘探中，自由表面多次波发育尤其丰富，并具有能量强、分布范围广的特点。而目前的地下成像方法主要依赖一次波能量，由于自由表面多次波相干性较强，其存在通常会掩盖混淆一次波，因此，为提高后续成像处理的真实性与可靠性，对自由表面多次波进行压制是十分重要的。
2、目前，自由表面多次波压制方法主要分为三类，滤波法、预测相减法和深度学习的方法。滤波法利用一次波与多次波的周期性和时差差异，通过变换到不同域分离二者能量，设置滤波器以实现多次波压制。预测相减法则是基于波动方程理论，先预测出多次波模型，再将预测的多次波从原始数据中自适应的减去。基于深度学习的方法通过学习大量的训练数据，学习时空域全波场数据到一次波的非线性映射，达到压制自由表面多次波的目的。
3、随着人工智能技术的迅速发展，越来越多的研究者将深度学习方法应用到多次波压制任务中。目前，深度学习压制自由表面多次波的方法主要在时空域进行，由于地下构造复杂多样，同时多次波存在强相干性，使得这些方法对不同工区数据的适应性往往较差。针对该问题，现阶段主要有两种解决思路。其一是利用传统方法得到的压制结果作为“伪标签”，指引网络实现多次波压制。如siahkoohi等人利用原始数据与预测相减法得到的伪标签训练生成对抗网络。wang等人基于仿真数据集预训练的网络模型，先用传统方法得到真实数据伪标签，通过数据增广和迁移策略微调网络，得到了优于srme的结果。其二是将深度网络作为校正器，对传统方法预测的多次波模型进行校正。如li等人利用卷积神经网络提取srme预测的多次波的多重特征，再用网络代替自适应匹配相减过程。wang等人利用srme卷积估计的自由表面多次波，提出自监督深度学习方法，设计损失函数用网络校正估计结果，实现自由表面多次波压制。
4、尽管深度学习方法较传统方法有智能高效、无需人工调参的优势，但上述两种思路均依赖传统方法的处理结果，因此，网络压制效果在一定程度上依赖传统方法处理的好坏，网络的适应性难以进一步提升。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种自由表面多次波压制方法及设备，用于解决现有的通过深度学习压制自由表面多次波的方法适应性不足的问题。
2、本发明提供了一种自由表面多次波压制方法，包括：
3、s1：获取共中心点道集数据集合，对共中心点道集数据集合进行radon域变换，获得第一通道输入数据和标签数据；
4、s2：对第一通道输入数据的横纵轴分别进行归一化曲率矩阵构建和归一化深度矩阵构建，获得第二通道输入数据和第三通道输入数据；
5、s3：构建unet网络，通过第一通道输入数据、第二通道输入数据、第三通道输入数据和标签数据对unet网络进行训练，获得训练好的unet网络；
6、s4：通过训练好的unet网络对自由表面多次波进行压制。
7、优选的，步骤s1具体为：
8、s11：共中心点道集数据集合包括：动校正后的共中心点道集draw和仅含自由表面多次波的共中心点道集dmul；
9、s12：将draw和dmul变换到radon域，获得第一通道输入数据mraw和标签数据mmul。
10、优选的：
11、第一通道输入数据mraw和标签数据mmul的表达式为：
12、
13、其中，mraw为全波场radon域数据，即第一通道输入数据；mmul为自由表面多次波的radon域数据，即标签数据；表示抛物线radon正变换过程；表示动校正过程。
14、优选的，步骤s2具体为：
15、s21：将第一通道输入数据mraw的横坐标取值范围归一化到区间[-1～1]内，构建曲率矩阵x，将曲率矩阵x作为第二通道输入数据x；
16、s22：将第一通道输入数据mraw的纵坐标取值范围归一化到区间[0～1]内，构建深度矩阵y，将深度矩阵y作为第三通道输入数据y。
17、优选的：
18、曲率矩阵x和深度矩阵y的表达式为：
19、
20、其中，p×q为第一通道输入数据mraw的大小。
21、优选的，步骤s3具体为：
22、s31：对第一通道输入数据mraw和标签数据mmul进行归一化，获得归一化后的第一通道输入数据和归一化后的标签数据
23、s32：对归一化后的第一通道输入数据第二通道输入数据x、第三通道输入数据y和归一化后的标签数据进行一次对应位置随机截补丁，获得一组训练数据对；
24、s33：重复步骤s32共n次，获得训练数据对集合其中k＝1,2,…,n；
25、s34：通过训练数据集合对unet网络进行迭代训练，直至unet网络的均方误差损失函数小于预设值，获得训练好的unet网络。
26、一种存储介质，所述存储介质存储指令及数据用于实现所述的一种自由表面多次波压制方法。
27、一种自由表面多次波压制设备，包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现所述的一种自由表面多次波压制方法。
28、本发明具有以下有益效果：
29、通过对共中心点道集数据集合进行radon域变换，获得第一通道输入数据和标签数据，将第一通道输入数据与曲率、深度位置信息结合，获得第二通道输入数据和第三通道输入数据，通过第一通道输入数据、第二通道输入数据、第三通道输入数据和标签数据训练unet网络，共同指引unet网络学习自由表面多次波在radon域的表征，通过对radon域曲率范围进行数据增广，进一步提升了unet网络的有效性和泛化性。获得的训练好的unet网络能够处理较复杂地下构造产生的自由表面多次波，在压制自由表面多次波的同时更好地保护了有效波信号，同时表现出更好的适应性。
1.一种自由表面多次波压制方法，其特征在于，包括：
2.根据权利要求1所述的自由表面多次波压制方法，其特征在于，步骤s1具体为：
3.根据权利要求2所述的自由表面多次波压制方法，其特征在于：
4.根据权利要求1所述的自由表面多次波压制方法，其特征在于，步骤s2具体为：
5.根据权利要求4所述的自由表面多次波压制方法，其特征在于：
6.根据权利要求1所述的自由表面多次波压制方法，其特征在于，步骤s3具体为：
7.一种存储介质，其特征在于：所述存储介质存储指令及数据用于实现权利要求1～6任一项所述的一种自由表面多次波压制方法。
8.一种自由表面多次波压制设备，其特征在于：包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现权利要求1～6任一项所述的一种自由表面多次波压制方法。
