应用RAtte-UNet的三维断层识别方法

作     者：高新成 梁云虎 王莉利 吴吉忠 

作者机构：东北石油大学现代教育技术中心 东北石油大学计算机与信息技术学院 黑龙江省油气地球物理勘探重点实验室 海洋油气勘探国家工程研究中心 东北石油大学环渤海能源研究院 

出 版 物：《石油地球物理勘探》 (Oil Geophysical Prospecting)

年 卷 期：2025年第01期

页      面：12-20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：国家自然科学基金项目“黏声介质最小二乘逆时偏移及全波形反演研究”(41930431) “基于数据驱动的逆散射级数层间多次波压制方法”(41974116) 东北石油大学引导性创新基金项目“基于自适应卷积神经网络的地震速度建模方法研究”(2020YDL-03)联合资助 

主　　题：断层识别 残差跳跃连接 注意力机制 混合损失函数 RAtte-UNet 

摘      要：地震数据中的断层结构可以揭示地下构造和岩层变化，为资源勘探和地质灾害防治提供重要依据。然而实际采集的三维地震数据中包含大量噪声且断层体所占比例极小，利用蚂蚁体识别方法得到的结果误差较大，连续性和准确性不够。为此，提出一种基于深度学习的三维残差注意力RAtte-UNet断层识别方法，即融合残差跳跃连接与注意力机制并进行模型训练，采用混合损失函数减少断层与非断层的极度不平衡对网络训练的影响，使网络对于小断层具有更好的识别能力。通过对模拟数据和真实数据进行断层识别，准确率、召回率和精确率等评价指标均有所提升。相比于蚂蚁体等断层识别方法，该方法的识别结果中断层连续性更好，并能识别小断层，模型泛化能力更强。该方法可推广应用到实际地震勘探中。