Position: Home > Articles > The technology for identifying strike-slip faults based on fully convolutional neural network:Taking Tuoputai Area as an example
Journal of Yangtze University(Natural Science Edition)Agricultural Science Volumn
2022,19
(4)
38-48
基于全卷积神经网络的走滑断裂识别技术-以托甫台地区为例
作 者：
张黎;吕芬;尚凯;徐勤琪;周怀来;王丹荔
单 位：
中国石油化工股份有限公司西北油田分公司;成都理工大学地球物理学院
关键词：
断裂识别;全卷积神经网络;构造导向滤波;走滑断裂
摘 要：
对断裂系统进行准确识别是地震资料解释中的重要内容,解释效率及好坏直接影响着油气勘探开发工作的进展.针对传统相干体、曲率等属性在复杂的走滑断裂发育区域分辨率低、识别能力差等缺点,提出了一种基于全卷积神经网络的走滑断裂识别方法:首先通过调整参数生成大量不同类型的三维合成断层样本用于训练全卷积神经网络,并对比U-Net与SegNet这2种全卷积神经网络的断裂识别效果,优选出训练网络SegNet;然后利用构造导向滤波方法对实际地震数据进行断裂增强处理,目的是进一步清晰地刻画走滑断裂,同时提高地震资料的信噪比,使网络能更好地学习到实际断裂的特征.在塔河油田托甫台地区的走滑断裂识别实践表明,无论从分辨率、抗噪性还是连续性,该方法都优于传统的单一属性的断裂识别方法,并且可以实现快速精准的断裂识别,为实际生产提供有效指导.
译 名：
The technology for identifying strike-slip faults based on fully convolutional neural network:Taking Tuoputai Area as an example
相似文章
-
平面低角度断裂切割关系组合与解析 [焦立波] 长江大学学报(自科版)农学卷 2019 (3) 23-27+5
