基于残差网络与迁移学习的断层自动识别

作者：张政,严哲,顾汉明

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。

发文机构：中国地质大学（武汉）地球物理与空间信息学院

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seismic data interpretationfault recognitiondeep residual networktransfer learningnetwork structure optimization

分类号： P631[天文地球—地质矿产勘探]