论文部分内容阅读
断层是连续地层受应力挤压、拉伸而产生的断裂聚集带。断层解释是地震资料解释的核心,它直接影响到油田气田勘探与开采的效率与效益。随着地震勘探的规模日益扩大,周期日益缩短,精细解释的要求日益提高,断层的智能解释备受业界学界关注。断层本身形态复杂,分布规律难觅。仅仅从二维地震剖面去解释断层会丢失大量的断层空间信息特征。将三维地震数据体看作三维图像,可以用深度学习计算机视觉的方法去解决断层解释问题。以卷积神经网络为代表的深度学习方法具有高维复杂信息挖掘,目标特征自动提取,端到端的一体化流程等特点,基于此类方法的三维断层识别与重建是新的研究方向和前沿科学热点。为了进一步提高断层识别与重建的效果,本文从三维角度研究了断层解释中的断层智能识别与重建问题。三维角度主要有区别于断层“点”,地震剖“面”,而是以地震空间“体”作为研究对象的基本单元,以保留地震空间数据体内的断层空间结构特征。对此,本文对于断层的智能识别与重建提出以三维角度的研究方法,本文的具体工作与创新总结如下:a)本文提出了一种基于3D-Unet++卷积神经网络的断层识别方法。本文以Unet卷积神经网络为基础网络模型,通过加入密集连接,三维神经络模型与样本将其改进为3D-Unet++卷积神经网络模型。该网络模型有着良好的泛化能力,针对不同的数据类型如理论数据和实际工区数据,均能表现出优秀的断层识别能力。模型设计了批量归一化来抑制过拟合问题。为了进一步提高断层识别的准确效果,解决断层与背景在断层边缘细节上的难分问题,本方法引入Focal loss为目标损失函数,大幅度提升了断层识别的准确率。本文通过理论模拟地震数据和实际工区地震数据均验证了方法的有效性和实用性。b)本文提出了一种基于视频流的断层智能组合与重建方法,首次用深度学习方法实现了断层数据体的实例分割,并以此为基础快速完成断层重建。断层实例分割不仅区分了断层与非断层,还区分了不同期不同组合的断层类别,这为断层重建提供了数据基础。该模型将地震剖面看作视频帧,地震数据看作由地震剖面组成的视频序列,以少量的人工手动解释地震剖面为指引,学习地震剖面之间的相关关系。方法结合了专家知识经验与机器学习经验,能够准确地分割断层数据体的实例,并实现快速的断层组合与重建。本文通过理论模拟地震数据验证了方法的创新性和有效性。