基于对抗学习的半监督地震数据断层检测

【作者】 窦一民； 李克文； 朱剑兵； 董曼；

【机构】 中国石油大学(华东)青岛软件学院计算机科学与技术学院； 胜利油田物探研究院；

【摘要】 断层检测是地质构造解释的关键步骤。近年来研究人员将卷积神经网络应用于断层检测任务中,然而这类数据驱动方法需要海量的标记数据指导模型训练。手动标记野外数据耗时耗力且无法保证标记标签的准确性。现有方法大多使用合成数据,确保了标签的准确性。但由于合成数据与野外数据的特征和构造存在差异,模型难以泛化到野外数据,降低了检测结果的可靠性。本文中,我们提出了一种半监督的对抗学习方法,训练分割网络对输入数据进行标签预测。设计判别网络用以区分真实标签与生成网络输出的预测标签,同时将判别网络的预测结果作为额外信息反向训练分割网络实现半监督学习,使分割网络的预测逼近真实标签的分布,提高预测精度。我们在中石化胜利分公司的现场数据中验证了方法的有效性。更多还原