基于改进U-Net的多属性地震相识别方法 |
| |
引用本文: | 韩旭东,张广智,周游,闫凯,张金淼,朱振宇,李超.基于改进U-Net的多属性地震相识别方法[J].地球物理学进展,2024(1):344-354. |
| |
作者姓名: | 韩旭东 张广智 周游 闫凯 张金淼 朱振宇 李超 |
| |
作者单位: | 1. 中国石油大学(华东)深层油气重点实验室;2. 中国石油大学(华东)地球科学与技术学院;3. 自然资源部第一地理信息制图院;4. 中海油研究总院有限责任公司 |
| |
基金项目: | 国家自然科学基金项目(U19B2008,U19B6003,42074136,41674130);;国家科技重大专项(2016ZX05027004-001); |
| |
摘 要: | 地震相识别技术是进行沉积环境分析与储层预测的有力工具.传统的人工地震相识别方法不仅工作量大,而且效率非常低.目前利用深度学习方法可以大幅度提高地震相识别的效率,但是受限于有限的数据集和网络提取特征能力,对样本数量少的地震相识别效果较差.针对上述问题,本文提出了基于改进U-Net的多属性地震相识别方法.首先通过弹性形变算法来扩增数据集,将经过属性选择后的多属性数据体作为输入数据,提高输入数据的数量和质量;其次通过引入注意力机制对网络提取的特征添加权重,提高U-Net网络提取特征的能力;并在损失函数中引入Dice指数,解决了样本不均衡问题.经过数值实验表明,基于改进U-Net模型可有效提高地震相预测准确率.
|
关 键 词: | 地震相识别 U-Net 地震属性 注意力机制 数据扩增 |
|
|