基于卷积神经网络的地震数据断裂识别方法及装置制造方法及图纸

本发明专利技术提供一种基于卷积神经网络的地震数据断裂识别方法及装置，其中，该方法包括以下步骤：获取地震数据集；对地震数据集中的每一地震数据进行断裂特征标注，获得标签数据集；构建基于U-net与深度残差网络Residual neural network相结合的语义分割网络结构模型；根据地震数据集和标签数据集对语义分割网络结构模型进行训练，获得最优语义分割网络结构模型；基于最优语义分割网络结构模型，对获取的未知地震数据体进行断裂识别，获得断裂识别结果。该方案利用地震大数据对网络模型训练，训练好的网络模型进行断裂识别时具备智能化的效果，在断裂识别过程中无需人为设置参数，可直接预测未知数据中的断裂。可直接预测未知数据中的断裂。可直接预测未知数据中的断裂。

【技术实现步骤摘要】
基于卷积神经网络的地震数据断裂识别方法及装置


[0001]本专利技术涉及人工智能和地震数据解释
，特别涉及一种基于卷积神经网络 的地震数据断裂识别方法及装置。

技术介绍

[0002]在地震勘探中，构造解释在油气勘探开发中起到了关键作用，在构造解释中断裂 系统解释是及其重要的一项任务。在盆地区域研究中需要找出控制盆地的断层，在页 岩气勘探开发中需要研究页岩的断裂发育情况及展布，在区域构造研究中需要精确解 释断裂系统，在目标研究中需要找出控制油气藏的断层。可见准确高效的识别出断裂 特征对油气勘探开发至关重要。
[0003]在传统的地震断裂解释中，主要是利用人工进行人机交互式的断裂解释方式，在 地震剖面上开展大量的精细断层标注，工作量大，耗时多，效率低下，且不同的解释 人员的成果存在主观性，导致解释的断裂准确性无法得到保证。为了解决断裂解释的 难题，研究人员提出多种断裂识别技术，以提高断裂解释的精度和效率，比如，使用 归一化互相关来计算地震相干性，然而该方法不适用于具有低信噪比的地震数据。提 出了基于张量结构分析的特征分析办法和改进的结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的地震数据断裂识别方法，其特征在于，包括：获取地震数据集；对地震数据集中的每一地震数据进行断裂特征标注，获得标签数据集；构建基于U-net与深度残差网络Residual neural network相结合的语义分割网络结构模型；根据地震数据集和标签数据集对语义分割网络结构模型进行训练，获得最优语义分割网络结构模型；基于最优语义分割网络结构模型，对获取的未知地震数据体进行断裂识别，获得断裂识别结果。2.如权利要求1所述的基于卷积神经网络的地震数据断裂识别方法，其特征在于，按照如下方式对地震数据集中的每一地震数据进行断裂特征标注：将所有断裂特征都标注为1，其他特征的标注为0。3.如权利要求1所述的基于卷积神经网络的地震数据断裂识别方法，其特征在于，按照如下方式构建基于U-net与深度残差网络Residual neural network相结合的语义分割网络结构模型：在U-net架构中，包含卷积层、Pooling层和Upsampling层，其中，卷积层用深度残差网络，Pooling层使用Max Pooling算法，Upsampling层使用deconvolution算法，卷积层的层数不限。4.如权利要求3所述的基于卷积神经网络的地震数据断裂识别方法，其特征在于，构建的语义分割网络结构模型中的目标函数为二分类的交叉熵函数：log(y
t
|y
p
)＝-(y
t
·
log(y
p
)+(1-y
t
)
·
log(1-y
p
))；其中，y
t
是样本标签，y
p
是模型预测结果。5.如权利要求3所述的基于卷积神经网络的地震数据断裂识别方法，其特征在于，构建的语义分割网络结构模型中的评价函数为交并比函数：其中，IoU是评价值，y
t
是样本标签，y
p
是模型预测结果。6.一种基于卷积神经网络的地震数据断裂识别装置，其特征在于，包括：地震数据集获取模块，用于获取地震数据集；标注模块，用于对地震数据集中的每一地震数据进行断裂特征标注，获得标签数据集；模型构建模块，用于构建基于U-net与深...

【专利技术属性】
技术研发人员：常德宽，雍学善，杨午阳，李海山，陈德武，王一惠，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：