基于Link-Net的地震相自動劃分

陳海洋 汪玲玲

摘要：地震相人工解釋需要耗費大量的時間和精力，并存在很大的主觀性和不確定性，從而直接影響地震資料解釋的準確性。雖然深度學習算法已經廣泛用于地震相劃分，然而由于地震相出現的模式及其空間尺度的多樣性，在保證高分辨率以及高精度的同時，提高計算效率仍是一項具有挑戰性的任務。為此，提出基于ＬｉｎｋＮｅｔ的地震相自動劃分方法，采用多分類交叉熵與Ｔｖｅｒｓｋｙ的加權線性組合作為網絡訓練的損失函數。Ｔｖｅｒｓｋｙ通過調整參數平衡假正類和假負類，進而提升召回率等指標以提高不均衡數據中少數類地震相邊界的刻畫精度。ＬｉｎｋＮｅｔ解碼層共享編碼層的學習特征，使解碼層的結構更精簡，大大提高了計算效率。在荷蘭北海Ｆ３區塊的測試結果表明：所提方法刻畫地震相的精度高于ＵＮｅｔ＋ＰＰＭ（金字塔池化模塊），在面對不均衡數據時，對占比較小的類別的關注度更高，并具有更好的邊界刻畫能力；ＬｉｎｋＮｅｔ計算速度快，可以在配置更低的設備上運行，較ＵＮｅｔ＋ＰＰＭ 更實用。

關鍵詞：深度學習，地震相劃分，ＬｉｎｋＮｅｔ，編碼—解碼結構，損失函數

中圖分類號：Ｐ６３１ 文獻標識碼：Ａ doi：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００-７２１０．２０２３．０３．００４