地质断层作为储层油气聚集和运移的重要通道,是评价储层特征和圈闭性的重要指标,也是储气库构造样式选择的先决条件。然而,从地震图像资料中识别断层存在依赖专家知识、时效性差和多解性强等问题。近年来,以深度学习和大模型技术为代表...地质断层作为储层油气聚集和运移的重要通道,是评价储层特征和圈闭性的重要指标,也是储气库构造样式选择的先决条件。然而,从地震图像资料中识别断层存在依赖专家知识、时效性差和多解性强等问题。近年来,以深度学习和大模型技术为代表的人工智能方法,凭借其高效的非线性数据分析能力极大地改变了传统工业任务范式。鉴于此,提出一种基于增强域数据微调Yolo(You Only Look Once)模型的断层智能识别方法。首先,针对现场数据稀疏问题,使用基于强化学习的图像自增强算法,通过下游任务需求定向训练优化算法,实现地震体图像最优增强组合方案;然后,根据地质领域专家知识,在三维地震图像中确定能有效表征断块的高阶特征;通过进一步搭建基于预训练Yolo模型的断层识别模型,输入实测-增强图像数据进行领域数据微调训练,从而建立断层智能识别模型;最后,将现场三维地震数据输入到训练好的断层智能识别模型中,提取被分割、识别、标注和计算的断层特征。以中国中部地区某储气库建设运营地块为例,该方法能在不过多依赖人工介入的情况下高效识别储层断层。本研究适用于地震勘探断层识别任务,能为储气库合理选址提供智能化解决方案。展开更多
文摘地质断层作为储层油气聚集和运移的重要通道,是评价储层特征和圈闭性的重要指标,也是储气库构造样式选择的先决条件。然而,从地震图像资料中识别断层存在依赖专家知识、时效性差和多解性强等问题。近年来,以深度学习和大模型技术为代表的人工智能方法,凭借其高效的非线性数据分析能力极大地改变了传统工业任务范式。鉴于此,提出一种基于增强域数据微调Yolo(You Only Look Once)模型的断层智能识别方法。首先,针对现场数据稀疏问题,使用基于强化学习的图像自增强算法,通过下游任务需求定向训练优化算法,实现地震体图像最优增强组合方案;然后,根据地质领域专家知识,在三维地震图像中确定能有效表征断块的高阶特征;通过进一步搭建基于预训练Yolo模型的断层识别模型,输入实测-增强图像数据进行领域数据微调训练,从而建立断层智能识别模型;最后,将现场三维地震数据输入到训练好的断层智能识别模型中,提取被分割、识别、标注和计算的断层特征。以中国中部地区某储气库建设运营地块为例,该方法能在不过多依赖人工介入的情况下高效识别储层断层。本研究适用于地震勘探断层识别任务,能为储气库合理选址提供智能化解决方案。
