改进的整体嵌套边缘检测地震断层识别技术

断层解释的精度和效率对油气藏的勘探与开发非常重要.传统的断层解释方法多以人工为主,其依赖解释人员的经验且耗时较长;常规自动断层解释方法主要是分析地震数据的不连续性,往往涉及多个参数,因而断层解释精度多依赖选取的参数.近年来,随着深度学习技术的发展,非线性卷积神经网络能够描述地震数据中的不连续特征.为此,引入深度学习中的边缘检测技术,即整体嵌套边缘检测(Holistically-Nested Edge De-tection,HED)网络,并根据地震数据和断层特点对网络结构进行改进和优化,提出适用于地震断层智能解释的改进HED(Improved HED,IHED)网络.主要步骤包括:①将原始二维HED网络推广至三维,搭建三维HED网络;②根据HED网络的多尺度特点,调整三维HED网络构架;③利用三维合成地震数据及其标签数据训练得到三维IHED模型,将该模型用于实际地震数据进行断层智能解释.与相干体算法和U-Net模型相比,三维IHED模型对断层预测的准确性更高,连续性更好.该方法为地震断层智能识别提供了一条可靠途径.