摘要
地震相识别是地质地层分析和油气藏预测的关键技术.近年来,随着深度学习的发展,研究者提出了一些基于深度学习的地震相识别方法,大大降低了人工操作的复杂度和主观性.但这些深度学习方法需要大量的标注数据,在实际应用中地震数据的标注成本高、难度大.针对这些问题,提出一个基于半监督对抗网络的地震相识别模型,可同时从有限的标注数据和无标注地震数据中学习网络参数,识别地震相.该模型由生成对抗网络改造而来:分割网络基于生成网络对地震数据进行采样点级的分类,本文中使用实时语义分割网络BiSeNet,不失精度且减少了计算量;判别网络是二分类的分割网络,对真实地震相标签数据和分割网络的预测结果进行判别.通过对抗训练,两个模型相互促进,充分利用有限的标注和未标注的数据训练.在三个真实工区数据上的实验结果表明,提出的模型仅利用有限的标注数据就可达到利用大量标注数据的监督学习的效果,有效防止了过拟合.
-
单位河北地质大学