基于改进深度学习方法的地震相智能识别

• 作者: 罗红梅 闫星宇 闫有平 顾汉明
• 来源期刊: 石油地球物理勘探
• 关键词: 地震相识别 深度学习 金字塔池化模块 不确定性评估
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能地球物理
• 页码范围: 1169-1177
• 页数: 9页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.06.001

摘要

基于深度学习方法的地震相智能识别技术可以大幅度减少人工操作.现有深度学习方法的网络模型只能提取单一接收域下的目标特征,难以获取地震相在剖面上的全局空间分布信息,模型对少数类地震相的边界刻画效果较差,且缺乏对预测结果可靠程度进行评估的手段.针对这些问题,提出一种用于地震相分类识别的深度学习方法:在U-Net模型的末端加入金字塔池化模块以提高模型获取全局信息的能力;采用一种融合交叉熵与Dice指数的目标函数,改善不均衡数据中少数类地震相边界的刻画问题;提出“预测信息熵”的概念用于评估地震相预测结果的不确定性.该研究方法应用于F3工区地震相预测的实验结果表明:改进深度学习方法在地震相预测中具有更高的精度和更良好的边界刻画能力;同时,预测信息熵指标也能够较好地评价预测结果的不确定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗红梅	中国石化胜利油田分公司勘探开发研究院	10	85	5.0	9.0
2	闫星宇	中国石化胜利油田分公司勘探开发研究院	1	0	0.0	0.0
3	顾汉明	中国石化胜利油田分公司勘探开发研究院	2	1	1.0	1.0
4	闫有平	中国石化胜利油田分公司勘探开发研究院	2	8	1.0	2.0