一种使用二维切片训练三维地震断层检测卷积神经网络的方法技术

本发明专利技术涉及一种使用二维切片训练三维地震断层检测卷积神经网络的方法。其特征在于，获取3D地震数据，并沿Inline方向切成2D图像；每隔N张2D图像标注一张2D断层标签，并将标注好的标签插入原始地震数据对应的位置，对未标注断层的切片进行标记，以制作3D地震断层标签体；设定滑动窗口大小为n

【技术实现步骤摘要】
一种使用二维切片训练三维地震断层检测卷积神经网络的方法


[0001]本专利技术属于地球物理与人工智能领域，具体涉及一种使用二维切片训练三维地震断层检测卷积神经网络的方法。

技术介绍

[0002]在地震勘探中，地震断层是一种非常重要的地质结构，它对油气的分布和储存等有着重要的影响。目前，传统的地震断层分析方法主要依靠专家的经验判断和手工标注，这种方法需要耗费大量的时间和人力，并且在处理大量地震数据时容易出现疏漏和误判。近年来，随着人工智能技术的快速发展，基于深度学习的地震断层分析方法已经开始逐渐应用于地震勘探领域。这些方法主要是基于卷积神经网络(CNN)和其它深度学习模型进行地震断层的检测和分割，具有高效、准确和自动化等优点。
[0003]然而人工标注完整的3D断层标签几乎是不可能的，而目前被广泛应用的合成数据训练方法难以泛化到野外，尤其是深层数据。本专利提出了一种使用二维切片训练三维地震断层分割卷积神经网络的方法，它仅需要标注三维断层中的少量二维切片就能有效训练三维卷积断层分割网络。

技术实现思路

[0004]本专利技术提出了一种使用二维切片训练三维地震断层分割卷积神经网络的方法。该方法基于地震勘探中的数据采集方式，将三维地震数据沿Inline方向切成2D图像，并每隔N张标注一张2D断层标签，然后将标注好的标签插入原始地震数据对应的位置，并将未标注断层的切片做上标记，制作3D地震断层标签体。接着，利用滑动窗口对地震数据和对应的标签体进行切块，从而制作训练样本。在此基础上，构造3D卷积神经网络，该卷积神经网络必须符合自动编码器结构，以实现对地震断层的分割任务。最后，训练所述神经网络，将切块后的地震数据输入网络，并使用对应的标签体进行监督，计算损失时，不计算未标记断层切片的损失，以达到用2D切片训练3D断层检测网络的目的。
[0005]为实现上述目的，本专利技术技术方案主要包括如下步骤：
[0006]1.获取3D地震数据，并沿Inline方向切成2D图像。
[0007]2.每隔N张2D图像标注一张2D断层标签，将标注好的标签插入原始地震数据对应的位置，将未标注断层的切片做上标记，制作3D地震断层标签体。
[0008]3.设定滑动窗口大小为n
×
n
×
n，对地震数据和对应的标签体进行滑动切块，从而制作训练样本。
[0009]4.构造3D卷积神经网络，所述卷积神经网络符合自动编码器结构，包括编码器和解码器。
[0010]5.训练所述神经网络，将切块后的地震数据输入网络，并使用对应的标签体进行监督。计算损失时，不计算未标记断层切片的损失。
附图说明
[0011]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1是本专利技术的流程图；
[0013]图2是本专利技术标签的结构图。
具体实施方式
[0014]下面结合具体实例对本专利技术提供的3D地震数据断层检测方法进行详细说明。
[0015]1.首先获取三维地震数据，沿Inline方向，也就是地震探测设备移动的方向，将这些三维数据切分成二维图像。
[0016]2.每隔30张二维图像标注一张二维断层标签。标注过的标签会插入到原始地震数据的对应位置，对未标注断层的切片进行标记。形成了一个三维地震断层标签体，其中包含了稀疏的地下断层的信息。
[0017]3.设定一个尺寸为128
×
128
×
128的滑动窗口。该窗口会在地震数据和对应的标签体上滑动，每滑过一个窗口，就从窗口内切出一个块。形成了一系列的训练样本。
[0018]4.构建一个三维卷积神经网络。该网络包含两部分：编码器和解码器，它们共同构成了自动编码器的结构。编码器负责从输入的地震数据中提取特征，解码器则用这些特征重建地震断层标签，此实例选择3D
‑
UNet网络。
[0019]5.进行神经网络的训练，选择Adam优化器学习率设置为0.001。将切块后的地震数据和对应的标签体分别输入到神经网络的编码器和解码器中。在训练过程中，网络会尝试最小化预测的地震断层标签和真实标签之间的差异。计算损失时，忽略掉未标记断层切片的损失。
[0020]最后应说明的是：以上实施例仅用以说明本专利技术的技术方案，而非对其限制；尽管参照前述实施例对本专利技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本专利技术各实施例技术方案的精神和范围。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明公开了一种基于弱监督学习的地震数据声阻抗反演方法，其特征在于，包括以下步骤：获取3D地震数据，并沿Inline方向切成2D图像；每隔N张2D图像标注一张2D断层标签，并将标注好的标签插入原始地震数据对应的位置，对未标注断层的切片进行标记，以制作3D地震断层标签体；设定滑动窗口大小为n
×
...

【专利技术属性】
技术研发人员：李克文，窦一民，朱信源，肖媛，姚贤哲，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：