基于深度神经网络的断层高分辨率识别方法

Fault High-Resolution Recognition Method Based on Deep Neural Network

摘要

传统地震属性断层识别技术多基于数据不连续性识别断裂，干扰因素多，越来越难以满足深层精细勘探的需求. 为了提高断层识别精度，提出一种断层高分辨率智能识别方法，在深度学习方法从地震数据预测断层属性的基础之上，建立高分辨率与低分辨率断层标签库，训练深度神经网络，获得高分辨率检测模型.通过模型与实际数据证实，方法解决了深度学习中卷积神经网络存在上采样造成高频损失，使断层分辨率有所下降的问题，提高了分辨能力，模拟数据均方根误差下降40.02%.方法不仅相对传统算法更加准确地检测了断层特征，而且比一般的深度学习断层识别分辨率高.

关键词

卷积神经网络 / Unet网络 / 断层识别 / 深度学习

Key words

convolution neural network / Unet network / fault detection / deep learning

基金资助

中国石油天然气股份有限公司十四五上游领域前瞻性基础性项目《海相碳酸盐岩成藏理论与勘探技术研究》(2021DJ05)