基于残差网络与迁移学习的断层自动识别

• 作者: 严哲 张政 顾汉明
• 来源期刊: 石油地球物理勘探
• 关键词: 地震资料解释 断层识别 深度残差网络 迁移学习 网络结构优化
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 智能地球物理
• 页码范围: 950-956
• 页数: 7页
• 分类号: P631
• 语种: 中文
• DOI: 10.13810/j.cnki.issn.1000-7210.2020.05.002

摘要

机器学习算法在地球物理领域的应用越来越广泛、深入.在地震资料解释中,目前主要利用实际或人工合成的断层样本,训练浅层卷积神经网络识别断层.实际断层样本需要人工标记,消耗大量时间成本;人工合成的断层样本虽然容易获得,但训练出的网络在应用于实际地震数据时效果不佳.为此,将深度残差网络与迁移学习结合并应用于断层识别.首先构建性能更优秀的深度残差网络训练人工合成的断层样本,然后使用少量实际断层样本进行迁移学习,增强网络的泛化能力,优化网络的识别结果.迁移学习后的网络能够有效提高实际断层的识别准确率,实际地震数据验证了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾汉明		90	1564	22.0	35.0
2	严哲		5	63	4.0	5.0
3	张政		2	0	0.0	0.0