基于平衡分类网络的地震断层智能识别方法及应用(英文) |
| |
引用本文: | 杨晶,丁仁伟,王惠勇,林年添,赵俐红,赵硕,张玉洁.基于平衡分类网络的地震断层智能识别方法及应用(英文)[J].应用地球物理,2022(2):209-220+307. |
| |
作者姓名: | 杨晶 丁仁伟 王惠勇 林年添 赵俐红 赵硕 张玉洁 |
| |
作者单位: | 1. 山东省沉积成矿作用与沉积矿产重点实验室山东科技大学地球科学与工程学院;2. 海洋矿产资源评价与探测技术功能实验室青岛海洋科学与技术国家实验室;3. 中石化石油勘探开发研究院信息资料中心 |
| |
基金项目: | supported by the Natural Science Foundation of Shandong Province (ZR202103050722); |
| |
摘 要: | 针对训练样本集不均衡造成的地震断层智能识别精度不高,卷积神经网络(CNN)训练速度慢的问题,本文将断层识别与深度学习算法相结合,设计了一种基于改进的平衡交叉熵(BCE)损失函数的CNN的地震断层智能识别方法。通过自编算法逐层提取特征图,分析地震特征提取结果,从而确定网络结构与最优参数,进而修改CNN以优化模型。利用BCE损失函数,添加非断层与总样本集的比率参数,从而改变损失函数寻找最小权重参数的基准,调优断层与非断层的数据比例。该方法克服了样本集类别数量不均衡的问题,提高了迭代速度,经过少量的训练即可达到95%以上的精度,梯度下降明显。将本文方法应用于某油田地区的断层识别,所训练的模型预测断层较为清晰,预测结果与实际情况基本吻合,因此该方案具有有效性和适应性。
|
关 键 词: | 卷积神经网络 地震断层识别 平衡交叉熵损失函数 特征图 |
|