基于3D U-Net全卷积神经网络的低序级断层识别技术

摘要

断层精细解释在储层描述、圈闭评价和布设井位等方面具有十分重要的意义.针对传统相干体、曲率等属性在复杂断裂发育区域分辨率低、识别能力差等缺点,本文提出了3D U-Net全卷积神经网络用于断层自动识别.首先利用合成断层体模型制作训练数据集及验证数据集,然后基于Keras深度学习框架构建了一种全新3D U-Net卷积神经网络模型用于增强微小断层识别能力,最后直接输入三维叠后地震数据得出对应的断层概率属性.实际工区应用表明,该技术在纵剖面微小断层成像、深层抗噪性方面具有明显优势,平面上断裂清晰合理,低序级断层及微小构造得到突出显示,提高了构造解释的精度,为精细勘探、高效开发、复杂构造描述提供了有力保障.