一种基于联合U-net模型的三维断层自动识别方法与流程

本发明涉及断层识别，特别涉及一种基于联合u-net模型的三维断层自动识别方法。

背景技术：

1、断层识别始终是中深层油田勘探开发的关键问题。随着油田勘探开发程度的不断深入，断层的识别与精细刻画对勘探目标的发现和油田的开发具有重要影响。断层的刻画结果一方面直接关系到构造应力的分析及油气藏的分布，另一方面还决定了构造圈闭的有无。目前，断层解释依然是传统的人为手工解释模式，这种模式对解释人员具有较高的要求，不同解释人员基于同一地震资料可能会得出不同的解释方案。对于地震同相轴破碎，地震资料信噪比低，断层面不够清晰的情况，断层解释难度大，其解释结果的多解性更强，且断层人工解释效率很低。目前关于u-net网络结构进行断层识别的研究，为单一输入单一输出的二分类断层识别，基于灰度单通道输入的三维断层自动识别精度较低，并且只能识别出有无断层，不能识别出更多利于研究的信息。因此有必要开展新的技术方法，使得断层的解释更加高效且客观合理。

技术实现思路

1、本技术的目的在于提供一种基于联合u-net模型的三维断层自动识别方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本技术提供如下技术方案：

3、一种基于联合u-net模型的三维断层自动识别方法，包括：

4、s1.分析归纳目标盆地的地质特征和规律，构建符合目标盆地地质特征和规律的具有随机起伏和弯曲的三维地质模型框架；

5、s2.统计总结目标盆地断层、断面及其组合样式，将断层、断面及其组合样式作为断层断面标签随机添加到步骤s1构建的三维地质模型框架中，在断层和断面两侧构建随机的三维断面位移场，进而获得最终的三维地质断层速度模型，对三维地质断层速度模型进行正演模拟获得三维地震数据库；将断层断面的倾角信息维度增加到断层断面标签中，最终形成与三维地震数据库对应的断层断面标签信息库；

6、s3.构建联合u-net网络结构，将三维地震数据库中的三维地震数据和断层断面标签信息库中的标签数据作为输入数据训练构建的联合u-net网络结构，将三维地震数据库中的三维地震数据转化为多个通道独立输入，对多个通道分别进行各自的下采样，并在不同的下采样过程中进行密集连接，然后进行上采样，对预测断层断面的倾角信息进行选择判别，将输出结果依据断层断面倾角的大小扩展成多个输出结果，经过数次训练后，获取训练好的基于密集连接的多通道输入且能获得多输出结果的联合u-net网络结构；

7、s4.对待预测的三维地震数据进行数据预处理，然后将处理后的三维地震数据喂入到训练好的联合u-net网络结构中，进而实现三维断层自动识别。

8、进一步地，步骤s1具体包括：

9、s11.通过对目标盆地的地质特征和地质规律进行分析归纳，统计出目标盆地的地质特征，地质特征包括整体地层的地层速度区间、地层倾向变化范围区间和地层褶皱振幅半径比区间；

10、s12.基于步骤s11中统计出的地质特征，利用三维变形和褶皱形变方式并通过随机设置地层速度、地层倾向和地层褶皱振幅半径构建出符合目标盆地地质特征和规律的具有随机起伏、弯曲的三维地质模型框架。

11、进一步地，步骤s2具体包括：

12、s21.归纳统计目标盆地地层中的断层特征，断层特征包括典型断层、断面样式和组合形式以及断层断面倾角范围，基于这些断层特征，通过随机设置断层断面倾角和断层断面走向与倾向将符合目标盆地地质特征的各种走向、倾向和各种样式的断层断面随机添加到步骤s12构建的三维地质模型框架中，并且在各个断面和断层上随机构建不同断距的三维断面位移场，形成最终的三维地质断层速度模型；

13、s22.利用随机主频的ricker子波对步骤s21中构建的三维地质断层速度模型进行正演模拟，获得三维地震数据；

14、s23.改变地层速度、地层倾向、地层褶皱振幅半径、断层断面倾角和断层断面走向与倾向的参数，重复步骤s11-s22，便可自适应地构建三维地震数据库和对应的断层断面标签，三维地震数据库包括各个三维地震数据；

15、s24.在步骤s21构建的三维地质断层速度模型中，对各个断层断面标签标识的断层断面对应的倾角信息进行分类，然后将各个断层断面的倾角信息增加到断层断面标签中构成断层断面标签信息库，断层断面标签中“0”表示不存在断层，表示该断层断面的倾角为0°；“1”表示小角度断层，表示该断层断面的倾角范围为大于0°且小于或等于30°；“2”表示中小角度断层，表示该断层断面的倾角范围为大于30°且小于或等于50°；“3”表示中大角度断层，表示该断层断面的倾角范围为大于50°且小于或等于70°；“4”表示大角度断层，表示该断层断面的倾角范围为大于70°且小于或等于90°。

16、进一步地，步骤s3具体包括：

17、s31.基于全卷积神经网络构建联合u-net网络结构，构建联合u-net网络结构包括多次下采样和多次上采样过程，对不同通道的输入通过两次卷积神经网络和一次池化层的方式来分别完成各自的一次下采样过程，并在不同的下采样过程中进行密集连接；然后通过将多个通道分别得到的下采样结果融合后进行一次上采样卷积，并将其卷积结果与上一层下采样结果融合后再进行两次标准化卷积的方式完成一次上采样过程；

18、s32.基于灰度图的rgb转化的方式将输入的三维地震数据转化为r、g、b分量作为输入数据，和/或基于输入的三维地震数据计算出多个衍生数据体作为输入数据，衍生数据体包括方差体、混沌体、相干体和振幅属性体，将三维地震数据转化后的输入数据和断层断面标签数据输入到构建的联合u-net网络结构中学习训练；

19、s33.三维地震数据经过上采样之后得到表征断层断面的倾角信息的预测概率体，预测概率体包括大角度断层的预测概率、中大角度断层的预测概率、中小角度断层的预测概率、小角度断层的预测概率和不存在断层的预测概率；

20、s34.根据预测概率体进行选择判别，预测概率体中若大角度断层的预测概率最大，则将该断层判定为大角度断层，若中大角度断层的预测概率最大，则将该断层判定为中大角度断层，若中小角度断层的预测概率最大，则将该断层判定为中小角度断层，若小角度断层的预测概率最大，则将该断层判定为小角度断层，若不存在断层的预测概率最大，则将该断层判定为不存在断层；

21、s35.根据各个断层的判别结果得出预测结果，预测结果包括小角度断层、中小角度断层、中大角度断层和大角度断层；

22、s36.综合训练次数和预测结果与对应断层断面标签的收敛程度来判断联合u-net网络结构是否训练好，若是，则保存训练好的联合u-net网络结构；若否，则返回步骤s32继续训练。

23、进一步地，步骤s4具体包括：

24、s41.利用三维结构张量扩散滤波技术对待预测的三维地震数据进行预处理；

25、s42.将经过步骤s41处理后的三维地震数据输入到训练好的联合u-net网络结构中，实现三维地震断层的自动识别。

26、综上，本发明的技术效果和优点：本发明提出了一种基于联合u-net网络结构的三维地震断层自动识别方法，通过自适应地构建海量符合目标盆地地质特征的三维地震数据库和对应的断层断面标签信息库，并将其喂入到基于密集连接的多通道输入且能获得多输出结果的联合u-net网络结构进行学习、训练来实现高精度的三维地震断层识别；本发明引入断层断面倾角信息，在得出预测结果之前增加了多类选择判别过程，通过对预测断层断面的倾角信息进行选择判别，依据断层断面倾角的大小扩展成多个输出结果，其优势是可以根据实际油田开发的需要提取不同倾角信息对应的断层预测结果，例如需要研究潜山构造时，因为潜山内幕主要发育高陡倾角断层即大角度断层，所以可以着重提取出这种大角度的预测断层来进行针对性的分析，进而提出一种基于密集连接的多通道输入且能获得多输出结果的联合u-net网络结构，可有效改善三维地震断层的预测的连续性和稳定性，提高预测精度，还可以根据实际油田开发的需要提取不同倾角信息的断层进行针对性研究分析。