首页|基于三维地震成像的裂缝识别卷积神经网络模型

基于三维地震成像的裂缝识别卷积神经网络模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于地震资料的裂缝识别是解释地震构造、储层特征和确定井位的重要参考依据.针对传统的裂缝识别方法比较耗时且受主观影响大的问题,论文基于VGG16构建了一种新的卷积神经网络裂缝识别模型,该模型减少卷积层层数降低了网络训练难度;添加反池化层以在全局更好地捕捉裂缝特征;最后使用一个softmax分类层获得裂缝的概率.同时模型使用一个类平衡的二值交叉熵损失函数来调整训练集中裂缝和非裂缝标签不平衡的问题.训练样本由合成数据和实际数据组成,并采用了样本扩增,有效提高了模型的泛化能力.实验表明,模型在验证集上的裂缝识别准确率达到了98.5％.在实际工区数据集上,与相干体方法、蚂蚁追踪算法和VGG16模型相比,论文模型的识别准确性更高.
Convolutional Neural Network Model for Faults Identification Based on 3D Seismic Imaging

任向进、段友祥、孙歧峰

展开 >

中国石油大学(华东)计算机科学与技术学院 青岛 266580

卷积神经网络 裂缝识别 深度学习 二值交叉熵损失函数 VGG16

20CX05017A

2022

10.3969/j.issn.1672-9722.2022.09.023

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(9)
  • 1