1.基于恒等快捷映射的深层卷积神经网络自动层位追踪方法，其特征在于，包括以下步骤：
s1、对地震剖面图像进行预处理；
s2、使用恒等快捷连接卷积神经网络对地震反射特征进行提取、压缩和精炼；
s3、对步骤s2提取的信息进一步采集局部特征以及全局特征；
s4、将采集的特征进行分类计算。
2.根据权利要求1所述的基于恒等快捷映射的深层卷积神经网络自动层位追踪方法，其特征在于，所述步骤s1具体包括以下子步骤：
s11、将整个地震剖面划分成多个小图像块，每个小图像块大小为32×32；
s12、将标签分配给每个小图像块，具体实现方法为：判断每个小图像块的中心是否位于层位上，若是则将该图像块标记为1，否则标记为0；
s13、将图像块数据进行二分类训练，以判别该图像块的中心位置是否处于层位上；
s14、对非层位数据进行处理：设定遗失概率来降低得到的非层位图像块的数量，设置遗失概率为0.5，即随机选取50％的非层位数据进行舍弃；同时在层位上设定偏差值，若一个小图像快的中心点与某个确定的层位的距离在偏差值范围内，即使该数据被人工标记标定为非层位，也认定该数据为层位数据，标记为1；
s15、从层位数据集合中提取20％作为验证数据，用于对模型超参数进行调整；其余数据作为训练数据；
s16、对数据进行归一化处理：使用min-max规范化方法，使数据尺度被规范化到0-1范围内；min-max规范化方法通过以下公式实现：
其中xnor为规范化后的数据，x为原始的地震数据，xmax和xmin分别为地震振幅中的极大值和极小值。