UNet++和迁移学习相结合的复杂断裂识别方法研究

随着计算机和人工智能技术发展,卷积神经网络(Convolutional Neural Networks,CNN)在断层识别中的应用越来越广泛.但是常规CNN网络难以获得大量实际的断层样本,只能依赖人工合成的断层数据训练网络,导致预测模型难以满足不同类型断层的识别要求.为此,本文提出了一种结合UNet++网络和迁移学习的复杂断裂系统识别方法,该方法首先利用大量合成的断层样本训练UNet++网络,然后利用少量人工标注的实际断层样本通过模型微调的方式实现迁移学习,使网络学习到更多的实际断层的特征.将方法应用到大港油田自来屯三维工区进行断层的识别,应用效果证明迁移学习后的UNet++网络能大大减少断层漏识别和错误识别的情况,提高断层识别的准确性,这也验证了本文方法的有效性和可行性.