深度神经网络三维地震资料断层解释损失函数对比

作者：张苗苗; 吴帮玉; 马德波; 王治国

来源：石油地球物理勘探, 2023, 58(06): 1299-1312.

DOI：10.13810/j.cnki.issn.1000-7210.2023.06.001

• 断层解释
• 损失函数
• 3D U-Net
• 数据增强

断层解释是地震资料解释的关键环节之一。以神经网络为代表的深度学习技术的迅速发展极大地提高了断层解释的效率和精度。神经网络通过随机梯度下降优化训练，以损失函数衡量模型的误差，迭代更新网络模型参数，其中损失函数的选取对断层解释结果至关重要。为此，在三维地震资料的断层解释中，以3D U-Net为网络结构，以Adam作为优化器，通过三维合成样本训练网络，对比、分析平衡交叉熵（BCE）、骰子（Dice）、焦点（Focal）、余弦（Cosine）、Log-Cosh Dice、Tversky、Focal-Tversky、Wasserstein、BCE-Dice和BCE-Cosine等共10种损失函数的断层解释效果；对训练数据进行归一化和数据增强，减小合成数据与实际数据分布之间的差异；在相同网络模型、训练参数以及停止准则的条件下，对比各种损失函数训练3D U-Net的收敛速度、计算效率和抗噪性能；利用荷兰近海F3区块实际地震数据分析断层预测效果。实验结果表明，Tversky和Focal-Tversky损失函数训练的3D U-Net预测断层连续性较好；当交叉或平行断层分布密集时，邻近断层会相互影响，BCE、BCE-Dice和BCE-Cosine损失函数训练的3D U-Net预测断层完整、清晰，细节丰富。该成果可为地震资料断层解释中如何选取合适的损失函数提供参考。

• 单位
  西安交通大学; 中国石油勘探开发研究院