一种基于CUNet深度学习的叠后地震反演方法

本发明提供了一种基于CUNet深度学习的叠后地震反演方法，该方法包括：准备叠后地震数据体和测井数据；对地震数据和井数据进行时深标定；提取过井地震道数据；构建CUNet深度学习结构；通过CUNet深度学习结构建立地震和井数据的关系模型；选择平均百分比误差损失函数和迭代次数，并开展模型训练建立地震数据和测井数据的非线性关系；将模型训练结果推广到整个地震数据体，得到测井数据体。本方法与常规方法不同，可以反演任意测井数据体，避免了对地震卷积模型、子波、反射系数模型估计及地质统计学反演方法引起的精度差或局限性大以及人为影响因素大等问题，提高了地震反演结果的可靠性、准确性及精度，同时分辨率也得到很大提高。