基于3D U-Net++L3卷积神经网络的断层识别 |
| |
引用本文: | 何易龙,文晓涛,王锦涛,张超铭,兰昀霖.基于3D U-Net++L3卷积神经网络的断层识别[J].地球物理学进展,2022(2):607-616. |
| |
作者姓名: | 何易龙 文晓涛 王锦涛 张超铭 兰昀霖 |
| |
作者单位: | 1. 成都理工大学油气藏地质及开发工程国家重点实验室;2. 成都理工大学地球物理学院 |
| |
基金项目: | 国家自然科学基金(41774142);;国家科技重大专项(2016ZX05002-004-013)联合资助; |
| |
摘 要: | 断层解释在构造圈闭中起着十分重要的作用,是地震构造解释的基础和关键.使用传统的相干体、曲率等属性解释断层效率较低,并且受人为因数影响较大,致使断层识别能力有限,而传统的卷积神经网络虽然可以在一定程度上摆脱人为因素的干扰,但在断层识别精度上并没有明显的提高.为了解决断层识别困难的问题,本文提出了一种基于3D U-Net++L3卷积神经网络的断层智能识别方法,该方法是采用计算机视觉领域的图像语义分割技术,对输入数据体的每一个像素点进行判断是否为断层,随后输出断层概率体.测试结果表明,本文所选用的模型的测试精度可以提高至95%左右,损失函数值可以收敛至2%左右.实际应用表明,模型可以在实际地震数据中准确地估算断层位置,在断层连续性上面有所提高,解决了断层与背景在细节上难分问题.从而验证了图像语义分割技术在断层识别上具有一定的研究价值.
|
关 键 词: | 断层解释 3D U-Net++L3卷积神经网络 图像语义分割 像素点 |
|