摘要：

随着全球数据总量的持续增长和急速膨胀，人类已经步入大数据时代。大数据是指信息量特别大的数据集，具有数据体量大（Volume）、数据类别多（Variety）、数据处理速度快（Velocity）、价值密度低（Value）的“4V”特点。作为大数据分析和处理的重要工具，以人工神经网络、支持向量机以及深度学习为代表的机器学习主要研究如何通过算法让计算机从过去的经历中学习经验，并从海量不确定性的历史数据中寻找知识规律、建立学习模式，进而识别新的数据或预测未来发展趋势。

地震勘探大数据具有数据采集来源单一（collection）、容量大（content）、计算量大（calculation）和处理流程复杂（complexity）的“4C”特征。对于海量的地震数据，常规的方法已不能满足快速处理大数据的要求。为此，国内外学者将互联网大数据的机器学习方法引入到地震勘探大数据的计算过程当中，用于解决回归、分类和聚类问题，并根据不同类型问题的特点提出了一系列基于机器学习的地震勘探大数据计算方法。随着人工智能技术与计算机硬件的快速发展，机器学习方法在互联网大数据中得到了推广应用，同时也为地震勘探大数据的计算提供了新的解决思路。

《国外人工智能地震勘探技术研究现状及发展趋势》通过借鉴互联网大数据中的机器学习方法，较好地解决了地震勘探大数据的回归、分类和聚类问题。

本报告首先介绍的是国外人工智能地震勘探技术研究现状及发展趋势。人工智能机器学习方法分为监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）以及半监督学习（Semi-Supervised Learning）。监督学习方法具体包括卷积神经网络（CNN）、深度残差网络、循环神经网络（RNN）、概率神经网络（PNN）、生成对抗网络（GAN）；无监督学习方法具体包括、K均值（K-means）、模糊聚类、自组织神经网络（SOM）、主成分分析（PCA）、独立成分分析（ICA）、高斯混合模型(GMM)；半监督学习方法具体包括半监督分类、半监督回归、半监督聚类、半监督降维。以及监督学习方法在地震勘探回归问题中的应用现状，如：智能去噪、地震速度自动拾取、叠后波阻抗反演、叠前反演、全波形反演、储层参数预测；监督学习方法在地震勘探分类问题中的应用现状，如：地震相识别、初至自动拾取、断层自动解释、层位自动解释、岩性识别；无监督学习方法在地震勘探聚类问题中的应用现状。并针对人工智能机器学习在地震勘探应用中面临的挑战，对地震勘探大数据的发展方向和前景进行了展望。

其次是监督学习方法在地震勘探回归问题中的研究及应用。详细分析了利用人工神经网络（ANN）、卷积神经网络（CNN）、循环神经网络（RNN）、Hopfield神经网络、深度学习等监督学习方法在地震勘探回归问题中的研究及应用，具体包括用于智能去噪、地震速度自动拾取、叠后波阻抗反演、叠前反演、全波形反演、储层参数预测方面的新理论、新方法、新应用（效果）。

再次是典型监督学习在地震勘探分类问题中的研究及应用。详细分析了利用概率神经网络（PNN）、贝叶斯网络、支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）、深度学习等方法在地震勘探分类问题中的研究及应用，具体包括用于地震相识别、初至自动拾取、断层自动解释、层位自动解释、岩性识别等方面的新理论、新方法、新应用（效果）。

然后是无监督学习方法在地震勘探聚类问题中的研究及应用。详细分析了利用K-means、自组织神经网络、主成分分析、独立成分分析、模糊聚类、高斯混合模型(GMM)等聚类方法解决地震勘探聚类问题中的新理论、新方法、新应用（效果）。

最后是半监督学习（SSL）方法在地震勘探中的研究及应用。详细分析了利用半监督回归、半监督分类方法用于声阻抗反演、初至波自动拾取、地震相分类等方面的新理论、新方法、新应用（效果）。

通过调研总结翻译撰写国外人工智能地震勘探技术的新理论、新方法、新应用（效果）等方面内容，为国内人工智能地震勘探技术的研究及应用工作提供指导、借鉴、思路支撑作用。

关键词：人工智能、地震勘探、机器学习、监督学习方法、无监督学习方法、半监督学习方法、人工神经网络（ANN）、贝叶斯网络、支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）、概率神经网络（PNN）、生成对抗网络（GAN）、深度残差网络、Hopfield神经网络、深度学习、K均值（K-means）、模糊聚类、自组织神经网络（SOM）、主成分分析（PCA）、独立成分分析（ICA）、高斯混合模型(GMM)、半监督分类、半监督回归、半监督聚类、半监督降维、智能去噪、地震速度自动拾取、叠后波阻抗反演、叠前反演、全波形反演、储层参数预测、地震相识别、初至自动拾取、断层自动解释、层位自动解释、岩性识别

 

 

目录

第一章  人工智能地震勘探技术研究现状及发展趋势  

第一节  人工智能地震勘探方法概述

一、人工智能机器学习方法分类

1、监督学习（Supervised Learning）

2、无监督学习（Unsupervised Learning）

3、半监督学习（Semi-Supervised Learning）

二、监督学习方法

1、人工神经网络（ANN）

2、贝叶斯网络

3、支持向量机（SVM）

4、卷积神经网络（CNN）

5、循环神经网络（RNN）

6、概率神经网络（PNN）

7、生成对抗网络（GAN）

三、无监督学习方法

1、K均值（K-means）

2、模糊聚类

3、自组织神经网络（SOM）

4、主成分分析（PCA）

5、独立成分分析（ICA）

6、高斯混合模型(GMM)

四、半监督学习方法

1、半监督分类

2、半监督回归

3、半监督聚类

4、半监督降维

第二节  人工智能在地震勘探中的应用现状及发展趋势  

一、地震勘探大数据

二、人工智能在地震勘探回归问题中的应用现状

1、智能去噪

2、地震速度自动拾取

3、叠后波阻抗反演

4、叠前反演

5、全波形反演

6、储层参数预测

三、人工智能在地震勘探分类问题中的应用现状

1、地震相识别

2、初至自动拾取

3、断层自动解释

4、层位自动解释

5、岩性识别

四、人工智能在地震勘探聚类问题中的应用现状

五、人工智能在地震勘探应用中面临的挑战及发展趋势

第二章  监督学习在地震勘探回归问题中的研究及应用

第一节  智能去噪技术研究及应用

一、利用卷积神经网络对混合噪音进行分类和压制

1、混合采集与处理

2、机器学习

3、混合数据的机器学习方法

4、数据示例

5、结论与讨论

二、利用深度残差网络进行地震数据去噪

1、介绍

2、方法

3、实验

4、结论

三、复值残差卷积神经网络在f-x域地震随机噪音衰减中的应用

1、介绍

2、理论

3、方法

4、结果与讨论

5、结论

四、利用有噪音的自然图像进行监督深度学习实现微震和地震噪音衰减

1、介绍

2、方法

3、实例

4、结论

第二节  地震速度自动拾取技术研究及应用

一、基于卷积神经网络的速度自动拾取

1、介绍

2、建立训练数据集

3、时差归一化

4、卷积神经网络架构

5、实例

6、结论

二、利用循环神经网络进行叠加速度估计

1、介绍

2、理论

3、结果

4、讨论与结论

三、利用Hopfield神经网络进行地震速度拾取

1、通过Hopfield神经网络进行地震速度拾取

2、实验结果

3、结论

第三节  叠后波阻抗反演技术研究及应用

一、地震波阻抗反演的卷积神经网络方法

1、介绍

2、地震反演工作流程

3、方法：生成训练数据集

4、方法：神经网络架构

5、结果

6、所有实验的CNN预测编码

7、结论

二、利用时间卷积网络对地震数据进行声阻抗估计

1、介绍

2、时间卷积网络

3、问题公式化

4、方法

5、结果与讨论

6、结论

第四节  叠前反演技术研究及应用

一、利用物理学指导的卷积神经网络进行叠前反演

1、介绍

2、理论

3、结果

4、讨论

5、结论

二、用于高分辨率叠前地震反演的Hopfield网络

1、介绍

2、理论

3、结果

4、讨论与结论

三、利用交叉形深度Boltzmann机进行深度学习解决叠前反演问题

1、介绍

2、方法

3、结果

4、结论

第五节  全波形反演技术研究及应用

一、使用卷积神经网络提取特征的全波形反演

1、介绍

2、理论

3、CNN-FWI

4、综合测试

5、结论

二、利用卷积神经网络进行准确高效的地震波形反演

1、数据驱动技术

2、深度卷积神经网络

3、方法

4、数值结果

5、结论

三、学习或记忆：数据驱动地震全波反演的泛化问题研究

1、介绍

2、理论

3、方法及算法

4、结果

5、结论

四、利用FWI和深度学习方法研究井间地震资料速度异常特征

1、测试模型和采集几何

2、走时层析成像和FWI

3、方法

4、结果

5、结论

第六节  储层参数预测技术研究及应用

一、应用人工智能方法根据新的地震属性预测含水饱和度

1、介绍

2、数据信息

3、人工智能(AI)技术综述

4、结果与讨论

5、结论

二、利用卷积神经网络根据叠前地震数据预测岩石物理性质

1、介绍

2、生成标记数据集

3、神经网络结构

4、结果

5、结论

三、用人工神经网络作为全波形反演的先验模型得到岩石物理地震图像:来自哥伦比亚的案例研究

1、介绍

2、分析及解释

3、地震规模的岩石物理参数

4、正演模拟

5、反演

6、结果

7、结论

第三章  典型监督学习在地震勘探分类问题中的研究及应用

第一节  地震相识别技术研究及应用

一、基于神经网络的地震相识别与地层圈闭特征

1、地质背景

2、方法

3、应用

4、结论

二、利用概率神经网络进行监督地震相分类

1、介绍

2、概率神经网络(PNNs)

3、用于属性选择和监督地震相分类的详尽PNN工作流程

4、地质背景

5、数据描述

6、利用详尽神经网络从背景地震模式中识别盐的地震属性选择

7、结论与未来工作

三、贝叶斯深度学习方法在地震相分类中的应用及不确定度估计

1、介绍

2、贝叶斯卷积编码器-解码器神经网络

3、贝叶斯CNN的应用

4、结论

第二节  初至自动拾取技术研究及应用

一、利用深度卷积神经网络提高初至波拾取精度  

1、介绍

2、方法

3、实例

4、讨论

二、基于Lovasz损失和最近点拾取法的U-net初至拾取

1、介绍

2、方法

3、实验

4、结论

三、利用像素级网络实现井眼地震数据的自动初至拾取

1、介绍

2、U-net架构

3、输入数据准备

4、训练及验证

5、利用U-net进行初至拾取

6、结论

第三节  断层自动解释技术研究及应用

一、卷积神经网络在地震成像断层解释中的应用

1、介绍

2、方法

3、应用

4、结论

二、一种用于自动断层检测的深度学习方法

1、介绍

2、问题描述及训练数据集

3、CNN模型及训练

4、CNN结果与连贯性

5、结论

三、基于多属性支持向量机分析的地震断层检测

1、介绍

2、算法描述

3、属性选择

4、训练样本标签

5、支持向量机SVM模型训练与测试

6、体积处理

7、结果与应用

8、结论

第四节  层位自动解释技术研究及应用

一、深度学习在地震层位解释中的应用  

1、介绍

2、深度学习层位解释

3、结论

二、基于深度学习的地震数据层位自动识别方法

1、相关工作

2、方法

3、结果

4、结论

三、利用编码器-解码器卷积神经网络进行半自动化地震层位解释

1、介绍

2、方法

3、应用

4、结论

第五节  岩性识别技术研究及应用

一、机器学习在Denver-Julesburg盆地三维地震资料中的应用提高了Niobrara的地层分辨率

1、介绍及前期工作

2、Niobrara及其周围地层的地质背景

3、机器学习数据准备

4、主成分分析分类法

5、自组织映射神经网络

6、SOM的调查结果及其解释

7、泥灰岩的结果

8、Codell结果

9、构造属性

10、结论

二、利用人工智能算法在静态模型中进行岩石性质分布的地震表征

1、人工智能算法

2、区域地质背景

3、速度模型

4、数据预处理

5、结果-岩石性质的地震体

6、静态模型中的岩石性质分布

7、结论

三、利用循环神经网络对地震数据进行岩石物性评价

1、介绍

2、前馈和循环神经网络

3、方法

4、实验评价

5、结论

第四章  无监督学习方法在地震勘探聚类问题中的研究及应用

第一节  K均值方法研究及应用

一、速度自动拾取的机器学习算法：K均值与DBSCAN  

1、介绍

2、方法

3、实例

4、结论

二、基于广义序贯K均值的多维地震去噪快速字典学习

1、介绍

2、方法

3、实例

4、结论

三、通过来自地震属性的无监督模式识别实现3C表面波检测和分类

1、介绍

2、方法：表面波检测和分类

3、现场数据示例

4、讨论和结论

四、特拉华盆地无监督机器学习相分类及其与有监督贝叶斯相分类的比较

1、主成分分析

2、独立成分分析

3、k-均值聚类

4、自组织映射

5、生成拓扑映射

6、波形分类

7、贝叶斯分类

8、结论

第二节  自组织映射网络技术研究及应用

一、利用自组织映射根据地震反射数据预测岩石特性的工作流程

1、介绍

2、分析及解释

3、波传播模型

4、结论

二、利用地震属性及保持距离的自组织映射表征新西兰Canterbury盆地的浊积岩系统

1、地质背景

2、属性表达式

3、SOM和DPSOM

4、应用

5、结论

三、澳大利亚北卡那封盆地埃克斯茅斯高原地震解释：数据处理、地震属性和2D数据自组织映射网络的应用

1、介绍

2、地质背景

3、方法

4、结果

5、结论

第三节  主成分分析技术研究及应用

一、采用稳健主成分分析的高效地震去噪技术

1、介绍

2、理论

3、方法和算法

4、结果

5、结论

二、通过主成分分析和局部角域深度学习实现波场分离

1、介绍

2、方法

3、实例

4、结论

三、利用光谱主成分分析描述地震厚度：理论及合成浊积岩实例

1、介绍

2、光谱轨迹

3、光谱轨迹之间的相关性

4、光谱主成分分析

5、实例

6、结论

第四节  独立成分分析技术研究及应用

一、利用独立成分分析进行无监督地震相分类

1、独立成分分析(ICA)

2、地质背景

3、数据描述

4、利用ICA进行无监督相分析

5、结论和未来研究工作

二、通过独立成分分析对随机震源进行混合

1、混合模型

2、随机信号的选择

3、数值实例

4、结论

第五节  其他聚类技术研究及应用

一、利用模糊聚类技术将先验信息引入地震阻抗反演

1、介绍

2、方法

3、应用

4、结论

二、利用高斯混合后验分布的随机采样对叠前地震数据进行地统计反演，以联合估算相和地震速度

1、理论及方法

2、应用

3、结论

第五章  半监督学习（SSL）在地震勘探中的研究及应用

第一节  半监督回归在地震勘探中的研究及应用

一、声阻抗反演的半监督学习技术研究及应用

1、介绍

2、方法

3、案例研究

4、结论

第二节  半监督分类在地震勘探中的研究及应用

一、深度半监督学习神经网络的初至波自动拾取

1、介绍

2、方法

3、实例

4、结论

二、采用卷积神经网络和半监督生成对抗网络进行3D地震相分类

1、介绍

2、相模型和数据集

3、监督CNN模型

4、半监督GAN

5、结论