-
题名基于Transformer的地震数据断层识别
被引量：2
- 1
-
-
作者
武庭润
高建虎
常德宽
王海龙
陶辉飞
李沐阳
-
机构
中国科学院西北生态环境资源研究院
中国科学院大学地球与行星科学学院
中国石油勘探开发研究院西北分院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2024年第6期1217-1224,共8页
-
基金
甘肃省科技重大专项“陇东地区天然气藏地球物理预测关键技术研发及应用”(23ZDGA004)
中国石油集团科学技术研究与技术开发项目“多物理场融合及储层成像方法研究”(2023ZZ0505)联合资助。
-
文摘
利用地震资料识别断层在油气勘探中有着重要的作用。目前,机器学习和深度学习技术提高了断层识别的精度和效率,但断裂预测结果仍难以满足生产需求。为此,提出基于Transformer的地震断层识别方法,即3D SwinTrans-U-Net。该网络由Swin Transformer模块、卷积模块组成。其中,Swin Transformer模块可以利用Transformer的注意力机制提取全局信息,并将计算全局注意力转变为计算窗口的注意力,从而比Transformer减少了计算复杂度;卷积模块具有归纳偏置的特性,避免了Swin Transformer存在弱归纳偏置的缺陷;最后,利用U-Net结构,结合Swin Transformer层与卷积层,融合深层与浅层的信息并提取相关特征,充分学习全局性和局部依赖性信息,在保证断层识别精度的基础上提高了计算效率,实现端到端的地震断层学习。模型数据和实际数据测试均表明,3D SwinTrans-U-Net网络能进一步提升断层识别精度。
-
关键词
深度学习
3D
SwinTrans-U-Net
断层识别
TRANSFORMER
Swin
Transformer
卷积
-
Keywords
deep learning
3D SwinTrans-U-Net
fault identification
Transformer
Swin Transformer
convolution
-
分类号
P631
[天文地球—地质矿产勘探]
-
