基于改良U-Net卷积神经网络的复杂地质构造智能识别

作     者：王善高 杨荣伟 王登一 马富安 彭铭 刘鎏 石振明 杨沛权 黎超尘 WANG Shangao;YANG Rongwei;WANG Dengyi;MA Fuan;PENG Ming;LIU Liu;SHI Zhenming;YANG Peiquan;LI Chaochen

作者机构：中交佛山投资发展有限公司佛山528000 同济大学地下建筑与工程系上海200092 同济大学岩土及地下工程教育部重点实验室上海200092 广西有色勘察设计研究院南宁530031 中国科学院武汉岩土力学研究所武汉430071 广东建科交通工程质量检测中心有限公司广州510599 

基　　金：国家自然科学基金(41731283,41877234,42071010,42061160480) 中央高校基础研究基金(22120180538) 

出 版 物：《河南科学》 (Henan Science)

年 卷 期：2024年第42卷第2期

页      码：182-194页

摘      要：浅地层中的地质异常体给地下工程带来了极大安全隐患,可能导致经济和生命损失.浅层地震法是开展施工场地勘察的一种无损高效的手段.但是地震勘探在浅地层问题中面临着信噪比低、信号衰减强、波场复杂等问题,结果存在多解性和主观性.针对地震勘探问题,提出了一种改良的卷积神经网络地质速度模型预测模型,提供了一种无需初始速度模型的浅层地质模型反演方案,形成了一套完整的浅层地震勘探信号处理处理流程.在训练样本方面,采用了随机地质模型方法构建多种类地质模型,并形成了地质模型-地震信号数据库.在传统U-Net卷积神经网络上进行了改良,以更好地适应浅地层弹性波叠前信号数据的反演任务.结果表明,神经网络的反演结果直观准确该模型能够精确地预测出地层分界线、褶皱、起伏、断层滑移线等的位置和大小等参数,所采用的SSIM和PSNR两个定量化评价指标均表示,所提出的改良神经网络可以实现高精度反演.预测结果与真实模型相比较,得到的SSIM平均值为0.91,PSNR平均值为39.0.同时该神经网络模型能够向三维问题扩展,能够极大地提高地震信号处理的效率和解译精度.

主 题 词：地震勘探 速度模型反演 卷积神经网络 信号处理 

学科分类：081803[081803] 08[工学] 0818[工学-交通运输类] 

D　O　I：10.3969/j.issn.1004-3918.2024.02.004

馆 藏 号：203126132...