基于卷积神经网络的断层预测方法

作者：刘江,涂齐催,李炳颖,黄鑫,张广智,张佳佳,吴尧,朱圣伟

摘要：针对传统相干体属性在预测断层时存在断层假象以及易受噪声影响等缺点,本文提出一种利用卷积神经网络进行断层预测的方法。首先构建适合实际工区断层特征的卷积神经网络模型,然后利用部分分频地震数据和人工解释出的断层标签进行网络模型训练,最后把训练好的模型应用到整个三维地震数据中进行断层预测。实际地震数据预测结果表明基于卷积神经网络断层预测结果与地震数据吻合较好,并且在断层细节刻画上要优于传统地震相干体属性方法。

发文机构：中海石油（中国）有限公司上海分公司研究院 中国石油大学（华东）地球科学与技术学院

关键词：卷积神经网络断层深度学习相干体属性convolutional neural networkfaultsdeep learningcoherent attribute

分类号： P631[天文地球—地质矿产勘探]O242[天文地球—地质学]