本发明涉及火成岩与数据处理解释，具体涉及一种火成岩地震相识别结果驱动的速度建模方法及装置。
背景技术：
1、多年勘探开发表明，塔里木盆地超深层奥陶系碳酸盐岩油气富集，储量潜力巨大，也是塔里木油田公司油气产能建设的重要领域。碳酸盐岩储层受走滑断裂破碎带控制，储集空间类型以岩溶孔洞、裂缝为主，非均质性强，地震上表现为串珠状、片状、以及杂乱状反射特征。并且奥陶系碳酸盐岩储层埋藏深，约6000～8000米，所以要想精细落实储层分布情况，需要进一步提高缝洞体、微小裂缝的识别能力，这就对地震资料的信噪比和分辨率，以及缝洞体成像精度提出了更高的要求。
2、但塔里木盆地曾发生过多期火山活动，其中二叠纪海西期岩浆活动尤为剧烈，通过深大断裂，高温的岩浆被喷出后扩散，在地表冷却成矿物成分各异的火成岩，呈岩被状大量发育，厚度约0～1300米。火成岩作为一种不规则的速度异常体，岩性多样，且横向变化快，并且在平面及空间上很难精细刻画研究，这就增加了深度域速度精细建模的难度，导致下伏地层信噪比降低，在构造特征上表现为高频的扭动，同时对超深层奥陶系缝洞型储层的成像精度造成了严重影响。因此，精细识别火成岩，不仅可以指导深度域速度建模工作，提高速度建模准确性，消除假构造、假断裂，恢复地层的真实构造形态，同时对高精度地震成像和油气勘探工作具有重大意义。
3、在研究过程中，根据实际钻井岩屑录井资料明确三维区发育火成岩类别，分析不同火成岩的地震反射特征，比如在地震剖面上玄武岩多表现为整套火成岩顶部及中部的强振幅平行反射；英安岩多表现为空白状反射；凝灰岩多表现为杂乱状反射；凝灰质碎屑岩则多表现为层状弱振幅平行反射。传统的地震相识别方法是根据沉积相在地震剖面上的特征，通过肉眼在地震剖面上人工识别划分，该方法工作量大，专业门槛要求高，且人工解释精度不够，存在一定的多解性，使得解释结果具有一定的主观性。还有学者借助计算机，结合多种地震振幅类属性来实现地震相的空间刻画，该方法流程复杂，效果也不佳。只能识别出顺层强振幅反射的玄武岩，而对空白状反射、杂乱状反射，以及弱振幅反射特征的火成岩识别达不到预期要求。
4、综上所述，亟需提出一种新的方法流程，以提升火成岩地震相识别的效率和精度，优化约束初始速度模型，实现精细化处理的目的。
技术实现思路
1、本发明目的在于提供一种火成岩地震相识别结果驱动的速度建模方法及装置，根据岩屑录井资料明确火成岩类别，分析总结不同火成岩地震相的反射特征；基于原始地震资料以交互方式制作人工标注，人工标注的个数视研究区火成岩地震相类别而定；将制作的人工标注生成样本字典。采用unet网络结构准确高效实现智能火成岩地震相识别，立体直观地反映出火成岩的空间轮廓展布，用以约束和优化深度偏移初始速度模型，更加精细地刻画出火成岩速度纵、横向变化特征。本发明能够提升火成岩地震相识别的效率和精度，优化约束初始速度模型，实现精细化处理的目的。
2、本发明通过下述技术方案实现：
3、第一方面，本发明提供了一种火成岩地震相识别结果驱动的速度建模方法，该方法包括：
4、根据岩屑录井资料明确火成岩类别，分析总结不同火成岩地震相模式和火成岩地震相反射特征；火成岩地震相反射特征包括强平行反射、空白反射、杂乱反射和弱平行反射；
5、基于原始地震资料制作火成岩地震相人工标注，并将制作的人工标注生成火成岩地震相样本字典；
6、基于火成岩地震相样本字典，结合深度神经网络进行火成岩地震相识别，得到四种火成岩地震相的数据体；
7、根据标注赋值的不同对四种火成岩地震相的数据体进行雕刻，得到四种火成岩地震相的三维空间雕刻体；
8、根据四种火成岩地震相的三维空间雕刻体，基于实钻测井数据，对不同火成岩地震相进行速度充填优化约束初始速度模型。
9、进一步地，火成岩类别包括玄武岩、英安岩、凝灰岩和凝灰质碎屑岩。
10、进一步地，不同火成岩地震相模式，包括：
11、玄武岩的火成岩地震相模式为整套火成岩顶部及中部的强振幅平行反射；
12、英安岩的火成岩地震相模式为在地震剖面上多表现为空白状反射；
13、凝灰岩的火成岩地震相模式为杂乱状反射；
14、凝灰质碎屑岩的火成岩地震相模式为层状弱振幅平行反射。
15、进一步地，基于原始地震资料制作火成岩地震相人工标注，并将制作的人工标注生成火成岩地震相样本字典，包括：
16、基于原始地震资料以交互方式制作火成岩地震相人工标注，人工标注的个数根据研究区火成岩地震相模式而定；
17、采用空间仿射变换，将制作的人工标注生成火成岩地震相样本字典。
18、进一步地，深度神经网络采用unet网络结构，unet网络结构包括编码模块、解码模块和空间金字塔池化模块；
19、编码模块的包括多层，每层包含两个卷积层以及一个池化层；在编码模块中，输入的地震剖面逐层被卷积和下采样，得到地震剖面特征图；在该过程中图像大小逐层减半，通道数逐层加倍；感受野逐渐增大，通道数扩展至1024；
20、解码模块的每个块包含一个转置卷积层、一个维度连接层以及两个卷积层；在解码模块中，输入的地震剖面特征图的大小在上采样过程中逐渐扩展到原始尺寸，通道数压缩至64；
21、空间金字塔池化模块，用于在不同尺度的池化来保留全局信息；
22、unet网络结构的损失函数为：
23、
24、其中，其中，l为复合损失函数(本发明可以看成一个逐像素点的地震图像多分类任务)；lcce为分类交叉熵函数(逐像素计算，不考虑邻域的标签，对于在数据中占比较少的地震相分割效果较差)；lf为focal loss损失函数(损失函数通过计算分类概率图和真实分割图中所有像素点的误差，最大程度地衡量两者相似性,使预测结果与标签尽可能重合；一方面减小不均衡数据对模型训练的影响，另一方面有助于分割出来的地震相边界变得相对清晰，且形状与真实值相似，增强地震相边界的分割效果)；wcce为分类交叉熵的平衡参数；wf为focal loss损失函数的平衡参数(用于评价模型对每一像素点的分类效果与整体图像分割效果)；n为输入地震剖面上所包含的像素点总数；c是识别的地震相带的类别数；yi，j为标签数据，即实际地震剖面上第n个像素点是否为第c类地震相，若是则为1，不是则为0；p是控制每个样本重要性的权重因子，pi为不同地震相带重要性的权重因子；αi是一个平衡样本数量的超参数；γ是控制简单样本加权速率的聚焦参数。
25、进一步地，根据四种火成岩地震相的三维空间雕刻体，基于实钻测井数据，对不同火成岩地震相进行速度充填优化约束初始速度模型，包括：
26、基于富满地区的16若干口井的vsp速度和深度域层位模型，通过克里金插值方法得到初始速度模型；
27、根据四种火成岩地震相的三维空间雕刻体，基于初始速度模型、delta场和epsilon场进行叠前深度偏移处理，得到叠前深度偏移结果；在叠前深度偏移结果上精细解释火成岩层的顶和底；结合预期纵向上的真实火成岩顶和底，以及不同地震相带的速度以及约束边界，优化初始速度模型；
28、基于实钻测井数据，对四种火成岩地震相进行速度充填来进一步优化约束初始速度模型，并进一步叠前深度偏移处理，最终得到高品质、高精度的最终地震资料，满足生产的需求。
29、第二方面，本发明又提供了一种火成岩地震相识别结果驱动的速度建模装置，该装置包括：
30、火成岩地震相反射特征分析单元，用于根据岩屑录井资料明确火成岩类别，分析总结不同火成岩地震相模式和火成岩地震相反射特征；火成岩地震相反射特征包括强平行反射、空白反射、杂乱反射和弱平行反射；
31、火成岩地震相样本字典生成单元，用于基于原始地震资料制作火成岩地震相人工标注，并将制作的人工标注生成火成岩地震相样本字典；
32、火成岩地震相识别单元，用于基于火成岩地震相样本字典，结合深度神经网络进行火成岩地震相识别，得到四种火成岩地震相的数据体；
33、空间雕刻单元，用于根据标注赋值的不同对四种火成岩地震相的数据体进行雕刻，得到四种火成岩地震相的三维空间雕刻体；
34、速度模型优化单元，用于根据四种火成岩地震相的三维空间雕刻体，基于实钻测井数据，对不同火成岩地震相进行速度充填优化约束初始速度模型。
35、进一步地，火成岩类别包括玄武岩、英安岩、凝灰岩和凝灰质碎屑岩；
36、不同火成岩地震相模式，包括：
37、玄武岩的火成岩地震相模式为整套火成岩顶部及中部的强振幅平行反射；
38、英安岩的火成岩地震相模式为在地震剖面上多表现为空白状反射；
39、凝灰岩的火成岩地震相模式为杂乱状反射；
40、凝灰质碎屑岩的火成岩地震相模式为层状弱振幅平行反射。
41、第三方面，本发明又提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种火成岩地震相识别结果驱动的速度建模方法。
42、第四方面，本发明又提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种火成岩地震相识别结果驱动的速度建模方法。
43、本发明与现有技术相比，具有如下的优点和有益效果：
44、本发明一种火成岩地震相识别结果驱动的速度建模方法及装置，根据岩屑录井资料明确火成岩类别，分析总结不同火成岩地震相的反射特征；基于原始地震资料以交互方式制作人工标注，人工标注的个数视研究区火成岩地震相类别而定；将制作的人工标注生成样本字典。采用unet网络结构准确高效实现智能火成岩地震相识别，立体直观地反映出火成岩的空间轮廓展布，用以约束和优化深度偏移初始速度模型，更加精细地刻画出火成岩速度纵、横向变化特征。本发明能够提升火成岩地震相识别的效率和精度，优化约束初始速度模型，实现精细化处理的目的。
1.一种火成岩地震相识别结果驱动的速度建模方法，其特征在于，该方法包括：
2.根据权利要求1所述的一种火成岩地震相识别结果驱动的速度建模方法，其特征在于，所述火成岩类别包括玄武岩、英安岩、凝灰岩和凝灰质碎屑岩。
3.根据权利要求2所述的一种火成岩地震相识别结果驱动的速度建模方法，其特征在于，不同火成岩地震相模式，包括：
4.根据权利要求1所述的一种火成岩地震相识别结果驱动的速度建模方法，其特征在于，基于原始地震资料制作火成岩地震相人工标注，并将制作的人工标注生成火成岩地震相样本字典，包括：
5.根据权利要求1所述的一种火成岩地震相识别结果驱动的速度建模方法，其特征在于，所述深度神经网络采用unet网络结构，所述unet网络结构包括编码模块、解码模块和空间金字塔池化模块；
6.根据权利要求1所述的一种火成岩地震相识别结果驱动的速度建模方法，其特征在于，根据四种火成岩地震相的三维空间雕刻体，基于实钻测井数据，对不同火成岩地震相进行速度充填优化约束初始速度模型，包括：
7.一种火成岩地震相识别结果驱动的速度建模装置，其特征在于，该装置包括：
8.根据权利要求7所述的一种火成岩地震相识别结果驱动的速度建模装置，其特征在于，所述火成岩类别包括玄武岩、英安岩、凝灰岩和凝灰质碎屑岩；
9.一种计算机设备，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如权利要求1至6任一项所述的一种火成岩地震相识别结果驱动的速度建模方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的一种火成岩地震相识别结果驱动的速度建模方法。
