-
题名基于多分辨率U-Net网络的地震数据断层检测方法
被引量：13
- 1
-
-
作者
唐杰
孟涛
韩盛元
陈学国
-
机构
中国石油大学(华东)地球科学与技术学院
中国石油化工股份有限公司胜利油田分公司勘探开发研究院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2021年第3期436-445,I0007,共11页
-
基金
国家自然科学基金项目“基于微地震数据的致密油气储层裂纹演化分形特征研究”(41504097)和“深度偏移地震数据特征剖析与深度域直接反演方法研究”(41874153)联合资助。
-
文摘
断层检测是地震资料解释的一项重要工作。基于相干体、曲率等属性的常规断层检测方法不够直观,人工手动拾取断层无法高效处理实际生产中的海量地震数据。深度学习网络由于具有强大的特征提取能力和高效的特征表达能力,近年来被广泛应用于地震数据处理和解释中。为此,提出了一种基于多分辨率U-Net网络(MultiResU-Net)的断层检测方法,即引入多分辨率模块增强网络模型的多尺度断层检测能力,使用残差路径代替普通跳跃连接,缩小用于拼接的特征图之间的语义差别。相比于普通U-Net网络,训练完备的多分辨率U-Net网络模型测试结果具有更高的准确度,Jacard指数和Dice系数分别提高了0.027和0.136,并且断层检测错误率降低了0.094。通过网络中间层可视化分析直观地展示了网络模型对地震数据的特征提取、表达过程。将网络扩展到三维并与迁移学习结合后,同样在三维实际地震数据应用中取得了较好的效果。该方法对于实际生产中实现高效、自动化断层检测具有重要意义。
-
关键词
断层检测
深度学习
卷积神经网络
multiresu-net
迁移学习
-
Keywords
fault detection
deep learning
convolutional neural network
multiresu-net
transfer learning
-
分类号
P631
[天文地球—地质矿产勘探]
-
