基于多分辨率U-Net网络的地震数据断层检测方法

唐 杰 孟 涛 韩盛元 陈学国

(①中国石油大学(华东)地球科学与技术学院，山东青岛 266580；②中国石油化工股份有限公司胜利油田分公司勘探开发研究院，山东东营 257015)

0 引言

断层检测是地震资料解释的一项重要工作[1-2]。人工手动拾取断层不仅耗时、耗力，而且具有较强的主观性[3-4]。为了提高效率，研究人员提出了多种断层自动检测方法。Gersztenkorn等[5]提出的C3相干体技术能极大地提高断层解释精度。张瑞等[6]使用分频蚂蚁追踪技术能够识别深部小断层，识别结果较为清晰、准确。孙振宇等[7]提出了一种基于支持向量机(SVM)的断层自动识别方法，能够有效识别地震数据中的小断层。李军等[8]提出了基于魔方矩阵的断层边缘检测方法，利用断层倾角和倾向等信息可以检测地震数据中断层的分布和发育方向。随着地震勘探技术的不断发展，采集的地震数据量越来越大，传统的断层检测方法在效率和精度方面存在明显的不足。如何从海量的地震资料中高效、准确地挖掘更多的断层信息，是当前地震资料解释面临的一项巨大挑战[9-11]。

近年来，随着计算机运算能力的提升，机器学习方法得到了越来越多的应用。深度学习是机器学习的一个热点领域，具有强大的特征提取能力和高效的特征表达能力，被广泛应用于图像分类、目标检测等，并取得了很好的效果[12-14]。深度学习也广泛应用于油气勘探，如横波速度预测[15]、测井曲线重构[16]、盐丘检测[17]和地震资料构造解释[18]等。

基于深度学习的断层检测方法通常采用像素分类或语义分割深度学习网络。……