1.一种基于深度学习的交互渐进式基阶面波频散曲线拾取方法,其特征在于,包括以下步骤:S101、根据地震勘探工程中实际采集的地震数据生成面波频散谱图;
S102、从生成的面波频散谱图中选取部分频散谱图作为训练集,人工拾取训练集中各频散谱图的频散曲线;
S103、对于每个频散谱图的频散曲线,根据频散曲线以及对应的频散谱图制作可供神经网络学习的数据样本对,得到的所有数据样本对构成数据样本对集;
S104、将数据样本对集输入至图像语义分割神经网络中进行训练,对图像语义分割神经网络进行调参使其拟合;
S105、将步骤S101中未拾取过频散曲线的面波频散谱图输入至训练好的图像语义分割神经网络中进行推理,分割出频散曲线区域;
S106、提取网络分割出的频散曲线区域;
S107、对提取的频散谱图中频散曲线区域进行后处理,获取其中正确的频散点,实现当前面波频散谱图的频散曲线拾取,若步骤S101中所有面波频散谱图均完成了频散曲线拾取,则结束整体流程,否则根据后处理拾取到的频散曲线以及对应的频散谱图制作可供神经网络学习的数据样本对,并填充至数据样本对集,之后跳转至步骤S104;
步骤S107中,后处理过程包括以下步骤:
第一步:对频散曲线区域进行判定,剔除非基阶面波频散区域掩码;
第二步:沿着频率轴方向,提取剔除处理后的频散曲线区域不同频率上的最大频散谱值坐标,坐标代表谱图中的各个频散点,所有频散点最终构成掩码区域中的频散曲线;
第三步:对于掩码区域中频散曲线中的各个频散点进行合理性判断,剔除不合理的频散点,对于任一频散点,若其频散能量数值大小属于其对应频率维度方向的某一设定范围,以及其频散能量数值大小属于其对应相速度维度方向的某一设定范围,则认为该频散点合理,否则不合理;
第四步:获取经过第三步处理后的频散曲线数据,将其进行逆映射,转换回原始频散谱数值区间范围,以便于后续面波层析反演等流程的数据处理。
2.根据权利要求1所述基于深度学习的交互渐进式基阶面波频散曲线拾取方法,其特征在于,步骤S103和S107中,数据样本对的构建方法均包括以下步骤:第一步:获取面波频散谱图,以及对应频散曲线的频散点记录;
第二步:利用重采样方法调整面波频散谱图的尺寸大小;
第三步:根据调整尺寸后的频散谱图尺寸对频散点记录进行映射;
第四步:根据映射后的频散点记录制成掩码图,制成的掩码图与其对应的面波频散谱图构成可供神经网络训练的数据样本对。
3.根据权利要求2所述基于深度学习的交互渐进式基阶面波频散曲线拾取方法,其特征在于,对频散点记录进行映射的公式为:其中,f表示原频率值,f′表示映射后的频率值,p表示频散谱最小频率,P表示频散谱最大频率,m表示数据的尺寸大小,v表示原相速度值,v′表示映射后的相速度值,q表示频散谱最小相速度,Q表示频散谱最大相速度。
4.根据权利要求2所述基于深度学习的交互渐进式基阶面波频散曲线拾取方法,其特征在于,步骤S104包括以下步骤:第一步:搭建图像语义分割神经网络;
第二步:将数据样本对输入图像语义分割神经网络之中,其监督学习的标签为对应掩码图;
第三步:对图像语义分割神经网络进行调参,使其达到拟合。
5.根据权利要求4所述基于深度学习的交互渐进式基阶面波频散曲线拾取方法,其特征在于,步骤S105中,图像语义分割神经网络输出的是单通道掩码图,单通道掩码图的掩码区域即为图像语义分割神经网络预测分割出的频散曲线区域。