基于深度神经网络的断层高分辨率识别方法
丰超
潘建国
李闯
姚清洲
刘军
中国石油勘探开发研究院西北分院,甘肃兰州730020
摘要：传统地震属性断层识别技术多基于数据不连续性识别断裂,干扰因素多,越来越难以满足深层精细勘探的需求.为了提高断层识别精度,提出一种断层高分辨率智能识别方法,在深度学习方法从地震数据预测断层属性的基础之上,建立高分辨率与低分辨率断层标签库,训练深度神经网络,获得高分辨率检测模型.通过模型与实际数据证实,方法解决了深度学习中卷积神经网络存在上采样造成高频损失,使断层分辨率有所下降的问题,提高了分辨能力,模拟数据均方根误差下降40.02％.方法不仅相对传统算法更加准确地检测了断层特征,而且比一般的深度学习断层识别分辨率高.
关键词：卷积神经网络Unet网络断层识别深度学习
分类号：P631(天文学、地球科学)
资助基金：中国石油天然气股份有限公司十四五上游领域前瞻性基础性项目(No.2021DJ05)
论文发表日期：2023-08-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 3044-3052 )
英文信息