-
题名基于多尺度注意力UNet++的地震层位识别方法
被引量：1
- 1
-
-
作者
杨润湉
马强
王志宝
李菲
吴钧
王如意
-
机构
东北石油大学计算机与信息技术学院
黑龙江八一农垦大学信息与电气工程学院
中国石油大庆油田有限责任公司勘探开发研究院
中国石油集团工程技术研究院有限公司
-
出处
《石油物探》
北大核心
2025年第2期315-327,共13页
-
基金
黑龙江省揭榜挂帅科技攻关项目(DQYT-2022-JS-750)
中国石油天然气集团有限公司重大科技专项(2021ZZ10-05)
黑龙江八一农垦大学自然科学人才支持计划(ZRCQC202310)共同资助。
-
文摘
现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。
-
关键词
地震层位解释
UNet++
CBAM注意力模块
multiresblock多尺度残差模块
联合损失函数
-
Keywords
seismic horizon interpretation
UNet++
CBAM
multiresblock
joint loss function
-
分类号
P631
[天文地球—地质矿产勘探]
-
