[发明专利]基于全卷积神经网络的断层面识别方法

说明书

本发明公开了一种基于全卷积神经网络的断层面识别方法，其包括获取地震振幅断层数据，构建全卷积神经网络模型，训练全卷积神经网络训练模型，对地震振幅断层数据进行识别。本发明从地震振幅图像级别的断层分类识别延伸到了像素级别的分类，使用全卷积神经网络来对三维地震振幅数据体进行断层识别分割，既能够实现快速的断层识别，也通过使用全卷积的方式代替全连接层来避免空间信息的丢失，从而得到更精准的断层分割和识别。

技术领域

本发明属于人工智能与机器学习技术领域，具体涉及一种基于全卷积神经网络的断层面识别方法。

背景技术

断层解释是地震构造解释的基础与关键，能够直接影响到油气的勘探与开采的效率与效益。由于断层本身形态多样，结构离散复杂，具有不确定性和分散性，又加上地震噪声，层位裂隙和特殊地层产状的干扰，断层识别难度更被放大。而现今勘探开采周期逐渐缩短，精细解释要求日益提高，如何提高断层解释的效率与精准性是现在地质勘探的研究热点，也是重大挑战。

随着计算机图像处理相关技术以及人工智能技术的发展进步，地质勘探研究人员对地震断层的解释和识别开展了深入的学习与研究，由最早的手动人工解释到后来的同断层切片相互结合，目前也相继提出了多种半自动与全自动的断层识别办法。

最初，相关科学研究人员相继地提出了强化地震数据断层特征的办法，由最初的中值滤波方法至Randen等改进后的数值拟合分析办法；后来Gibson与Bakker提出了基于张量结构分析的特征分析办法和改进的结构张量方法来进行断层识别；Jacquemin等提出通过对断层剖面进行霍夫曼变换的方法进行断层的自动识别；Admasu等又提出基于主动轮廓模型的断层半自动提取方法。上述所提出的各种方法都是基于断层剖面图像处理的，为断层结构的解释、识别和提取提供了十分不错的基础。但上述类别方法忽略了地质断层其他方向上的解释并且存在人为影响断层线拼接的问题，也不适应于形态复杂的断层提取。

自1990年中期后，Farmer S及Bahorich M等相继发明了基于三维地震数据体的相干分析的技术来解决断层识别问题，该技术的良好结果使得大量的地质研究人员快速研究和应用该技术。1999年，Gersztenkorn等提出了一种变异相干体改进的相干体分析方法，为后面的相干体技术的发展与进步提供了十分关键的理论技术支持。2002年，Randen他们首次提出利用“人工蚂蚁”的办法来完成对地震断层的自动提取，并且在此基础上Pedersen等又做了十分详细的解释。该方法主要是进行断层属性增强、人工蚂蚁追踪以及地震断层交互式地提取的整个流程，而且该方法的流程因为在地质断层解释中有十分良好的效果从而被商业地质软件Petrel所实现和推广应用。但是该流程较为复杂并且需要人为地进行断层交互提取。21世纪初Gibson又提出一种基于最大置信度合并的三维地震断层自动识别算法，通过曲面可变模型与最大可信度合并方法的实现了对断层曲面的融合提取。但是该方法人为参数选择影响较大并且也易被噪声所干扰。随后，Wonki等提出通过GPU技术来快速实现断层提取，但是该方法得到的断层连续性较差并且过于依赖参数的选择。在2013年Zhang等提出了一种利用细化处理的三维地震断层半自动提取算法，该办法通过了在二维时间切片上的相关计算以及断层相似性来获取相干属性，继而对数据进行二值化处理并且追踪断层条，从而实现了断层曲面的构造。但是该方法人为参数选择影响较大并且也易被噪声所干扰。在2017年张翔宇通过在三维水平集的处理上根据数学上脊谷的定义完成了断层曲面自动提取的方法。该方法利用三维水平集的方法分割出蚂蚁数据体中断层目标区域和背景区域，最后再将断层曲面作为数据体内目标区域的脊结构进行提取。但是该方法实现时间较长和较为复杂，并且在连续场重建的过程中易受到参数的选择影响。