基于VNet深度学习架构的低序级断层智能识别方法

作者：路鹏飞; 杜文龙; 李丽; 程丹华; 郭爱华

来源：石油地球物理勘探, 2022, 57(06): 1276-1286+1255.

DOI：10.13810/j.cnki.issn.1000-7210.2022.06.002

• 地震数据
• 断层识别
• 低序级断层
• 深度学习
• VNet

低序级断层识别是油气勘探开发的重要环节，传统的相干体、谱分解、曲率、蚂蚁体、边缘检测等方法虽然能够提高断层识别的效果和精度，但是对断距较小的低序级断层识别效果不佳。基于人工智能技术的全卷积神经网络(FCN)深度学习方法，为识别低序级断层提供了新的途径。在UNet基础上提出的VNet模型深度学习架构，可以在上、下采样过程中增加信号的感受野，尽可能地在提取大尺度断层信息的同时保留和提取小尺度断层信息。选用正演模拟数据和实际地震数据分别对UNet模型、VNet模型进行测试，通过选择合适的损失函数、迭代次数，优选合适模型权重参数对两者进行模型训练和断层识别效果对比，结果表明，基于VNet模型方法提取的信息更丰富，在识别低序级断层方面更有效。

• 单位
  东华理工大学