基于地震反射數(shù)據(jù)的快速智能斷層識別，對資源勘探與地震災(zāi)害研究都具有深遠意義。盡管傳統(tǒng)深度學習方法取得顯著進展，但在全局特征建模與抗噪能力等方面仍存在局限，且忽視地震反射數(shù)據(jù)的物理特性，導(dǎo)致識別結(jié)果缺乏物理一致性。本項研究首次將U形殘差網(wǎng)絡(luò)（URNet）（Yang et al.,2024;2025）與軸向-空間注意力機制（TSA）應(yīng)用于地震反射數(shù)據(jù)的智能斷層識別（圖1）。此外，本研究進一步提出一種基于傅里葉正逆變換的頻域數(shù)據(jù)增強方法（圖2）：對合成數(shù)據(jù)與實際數(shù)據(jù)分別進行傅里葉正變換，將頻譜表示分解為振幅與相位；隨后將兩者的振幅信息進行融合，并與合成數(shù)據(jù)的相位共同組合，再通過逆傅里葉逆變換生成增強樣本。該策略在保持合成數(shù)據(jù)相位所承載的構(gòu)造信息的同時，引入實際數(shù)據(jù)的振幅譜特征，從而縮小合成數(shù)據(jù)與真實資料在頻譜特性上的差異，增強模型在噪聲擾動與弱反射區(qū)域的泛化能力與識別穩(wěn)健性，并提升斷裂識別結(jié)果與實際地震反射響應(yīng)特征的一致性。
圖1 URNet-TSA神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖示
圖2 傅里葉正逆變換方法圖解
本研究由中國地震局地質(zhì)研究所博士生楊晶、魯人齊研究員、陶瑋研究員、王康和劉冠伸博士，以及德國TU Bergakademie Freiberg大學的Stefan Buske 教授等共同合作完成，形成了一套更適配三維地震反射數(shù)據(jù)體、兼顧精度提升與魯棒性增強并引入物理一致性約束的斷層智能識別技術(shù)路線。
在多組三維地震反射數(shù)據(jù)體的對比實驗中，所提方法在定量評價指標與解釋可用性兩方面均優(yōu)于U?Net、URNet、ViT?3D、Swin3D、UNETR以及FaultNet、FaultSeg3D 等基線模型（圖3）。尤其在噪聲干擾較強與弱反射響應(yīng)區(qū)域，引入傅里葉域正–逆一致性約束能夠有效抑制噪聲引起的偽響應(yīng)，提升斷層幾何連續(xù)性，并增強細節(jié)刻畫的穩(wěn)定性與魯棒性。實驗結(jié)果表明，將注意力機制與頻域一致性約束融合到三維地震斷層識別框架中，可顯著增強模型對復(fù)雜構(gòu)造樣式及強噪聲環(huán)境的適應(yīng)能力，為斷層智能解釋提供了一條具有物理約束意義的可行技術(shù)路徑。此外，采用點云重建方式對斷層面進行三維空間可視化展示的結(jié)果表明，URNet-TSA的識別效果明顯優(yōu)于URNet（圖4）。斷裂的精細刻畫與連通性提升，使得斷層網(wǎng)絡(luò)的分級特征、組合樣式及其對構(gòu)造分帶的控制關(guān)系得以在多尺度上被穩(wěn)定識別，從而為地震構(gòu)造厘定與斷裂幾何體系提供了更具約束性的解釋視角。
圖3 荷蘭F3區(qū)塊數(shù)據(jù)斷裂識別效果：（a） URNet網(wǎng)絡(luò)斷裂識別效果，（b） URNet-TSA網(wǎng)絡(luò)斷裂識別效果，（c） U-Net網(wǎng)絡(luò)斷裂識別效果，（d） ViT-3D網(wǎng)絡(luò)斷裂識別效果，（e） UNETR網(wǎng)絡(luò)斷裂識別效果，（f） Swin3D網(wǎng)絡(luò)斷裂識別效果，（g） FaultNet網(wǎng)絡(luò)斷裂識別效果，（h） FaultSeg3D網(wǎng)絡(luò)斷裂識別效果。
圖4 Kerry3D數(shù)據(jù)斷裂智能識別效果及三維點云建模：（a） URNet網(wǎng)絡(luò)斷裂識別效果，（b） URNet-TSA網(wǎng)絡(luò)斷裂識別效果
本項研究由中國地震局地質(zhì)研究所基本業(yè)務(wù)專項重點項目（IGCEA2406）和深地國家科技重大專項（2024ZD1000500）資助，近期發(fā)表于國際期刊Engineering Applications of Artificial Intelligence（中科院1區(qū)TOP）：
Yang J, Lu R, Buske S, et al. Intelligent fault detection in seismic data using U-shaped residual network-temporal-spatial attention mechanism with fourier forward-inverse transform constraints[J]. Engineering Applications of Artificial Intelligence, 2026, 166: 113671.
原文鏈接：https://doi.org/10.1016/j.engappai.2025.113671.
部分參考文獻：
Yang, J., Lu, R.Q., Tao, W., Cai, M.G., Liu, G.S., Sun, X., 2024. MultiURNet for 3D seismic fault attributes fusion detection combined with PCA. J. Appl. Geophys. 221, 105296. https://doi.org/10.1016/j.jappgeo.2024.105296. ISSN 0926-9851.
Yang, J., Lu, R.Q., Tao, W., Liu, G.S., Guo, Z.W., Yang, X.H., Wang, K., 2025. Intelligent identification of sample-adaptive fracture systems and seismic structure analysis: a case study of the hutubi gas storage field.
京公網(wǎng)安備 11010502042766號
