基于深度学习采用多标签的方式解释叠前地震数据

作     者：宗志敏 何登科 孙超 ZONG ZhiMin;HE DengKe;SUN Chao

作者机构：中国矿业大学(北京)地球科学与测绘工程学院北京100083 中国矿业大学(北京)煤炭资源与安全开采国家重点实验室北京100083 山东省煤田地质规划勘察研究院济南250104 

出 版 物：《地球物理学进展》 (Progress in Geophysics)

年 卷 期：2022年第37卷第3期

页      面：1258-1265页

核心收录：

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：国家“111计划”(B18052) 中国矿业大学(北京)越崎杰出学者计划(2019JCA01) 山东省地勘基金项目(鲁勘字(2019)13号,(2020)19号)联合资助 

主　　题：深度学习 叠前地震数据解释 多标签预测 卷积神经网络 自动化解释 

摘      要：地震数据的解释是地震勘探中重要的一环,常规的成果解释需要经过一系列的地震数据处理.如何做到从叠前地震数据道集中直接自动解释地层构造值得探索和研究.本文提出基于深度学习采用多标签的方式来解释叠前数据.叠前数据包含着地层结构整体的信息,对地层结构多标签标注,从叠前数据中分步的提取出各构造的信息并做出预测.这样叠前数据的解释任务就分解为对地层各个构造的预测.多标签的方式可以针对解释所关注的构造做标签,提升网络对特定构造的关注度以得到更好的预测效果.本文建立了一个从叠前数据中自动提取特征的深度学习网络,在两类数据集上建立构造标签来做预测.第一类是在Marmousi模型中随机镶嵌一个等轴状异常体;第二类地层模型含有平层、单斜、背斜和向斜等结构.检验结果表明了基于深度学习多标签的方法可以自动化的解释叠前数据预测地层构造.