摘要：针对现阶段塔里木盆地缝洞体缺乏具有指导意义的样本标签的现状,且缝洞体地震记录上的展示与其在地下的真实形态差别较大,提出了一种新的制作样本标签数据集的过程,即基于物理模型来构造样本标签的方法,准确地给出了缝洞体标签与其对应地震数据的关系,其中还包含了地震属性的应用,结合物理模型数据特性,多角度进行研究。使用物理模型制作样本标签数据集集合了实际地震数据与合成地震数据的优势,既能在很大程度上还原溶洞在地下真实的反射情况,又能够根据物理模型制作手册准确地获得溶洞的真实形状与大小。通过本文提出的神经网络进行训练。最后,通过塔里木盆地区域实际数据的测试表明,利用深度学习方法得到的实际数据溶洞检测结果准确性较高,成功地预测了溶洞。

关键字：溶洞检测;U-Net;残差模块;机器学习

卷、期、页：:121-125,5

发表日期：2021-06-28

收录情况：国内学术会议论文集

发表期刊名称：第四届油气地球物理学术年会论文集

通讯作者：杨佳润

第一作者：陈双全

论文类型：会议论文

论文概要：杨佳润,陈双全，基于深度学习的三维溶洞检测，第四届油气地球物理学术年会论文集，2021，:121-125,5

论文题目：基于深度学习的三维溶洞检测