科研之友
微信
新浪微博
Facebook
分享链接
摘要
断层智能识别在地震资料精细解释中起到了非常重要的作用，但目前，断层智能识别方法还存在着模型训练难度大，特征图像提取信号细节受损等问题。针对这些问题，本文基于UNet网络结构的基础上结合VNet深度学习网络的思想，提出了一种改进的CUNet（Convolution Unity Networking）断层智能识别方法。CUNet断层识别方法的网络结构是在UNet结构的基础上，利用卷积操作代替下采样中的最大池化，以及3D反置卷积操作代替上采样卷积操作，从而使CUNet结构可以增加信号的感受野，缓解信号细节特征在上采样和下采样操作中的损失，保留信号细节信息，增强图像特征的提取。实验结果表明CUNet网络结构在精度上达到了94.3%，与UNet网络结构相比提高了1.4%，同时起到了更好的抗过拟合效果。根据断层地震地质特征，将CUNet网络结构应用于地震图像的断层智能识别中。应用结果表明，该网络结构不仅更准确的检测到了断层特征，对断层分布刻画更细致，而且极大地节省了计算时间。
- 单位
