基于殘差網絡與遷移學習的斷層自動識別

張 政 嚴 哲 顧漢明

（中國地質大學（武漢）地球物理與空間信息學院，湖北武漢430074）

0 引言

斷層是地下常見的地質構造，它對于油氣勘探、工程施工、天然地震研究等具有重要意義，因此斷層識別在地震資料解釋中十分重要。當前已有很多斷層識別和解釋的方法，如相干體分析技術［1-3］、邊緣增強屬性分析技術［4］、螞蟻追蹤算法［5-6］、相似性傳播聚類與主成分分析法［7］、構造導向濾波法［8］、基于熵的各向異性擴散保邊濾波法［9］等。但是，這些方法都存在一定的局限性，如斷層相關屬性提取中存在噪聲問題，不同工區存在參數優化與適應性問題等。

隨著機器學習技術的快速發展與廣泛應用，機器學習算法已經用于地震資料的斷層識別。董守華等［10］、崔若飛［11］利用淺層全連接神經網絡，通過學習斷層的地震反射特征參數，實現了簡單的斷層識別。

隨著Lecun等［12］提出卷積神經網絡概念，多種基于卷積神經網絡算法開始用于斷層識別。Huang等［13］將卷積神經網絡、傳統機器學習算法與地震屬性相結合實現了斷層識別。Guitton［14］利用三維地震數據訓練卷積神經網絡實現了斷層的三維識別。Wu等［15］利用人工合成的斷層地震圖像訓練卷積神經網絡實現了斷層識別；Liu 等［16］利用Smooth-Grad技術直觀解釋了卷積神經網絡識別斷層的過程；Xiong等［17］、Ma等［18］和Guo等［19］利用 卷積神經網絡實現了斷層識別。Wu 等［20］利用U-Net圖像分割網絡實現了斷層識別。

Liu等［16］認為神經網絡識別結果不如人工解釋準確。Xiong等［17］和Ma等［18］認為神經網絡識別結果優于相干體技術。……