0 论文简介

论文：基于U-Net深度学习网络的地震数据断层检测
发表：2021年发表在石油地球物理勘探

1 问题分析和主要解决思路

问题：断层智能识别，就是如何利用人工智能技术识别出断层。

解决思路：结合Ｕ-Net和残差模块Res-50，构建了新的网络-ResU-Net。
主要特点：利用$1\times 1\times 1$卷积核处理特征图像通道数，减少了模型的时间复杂度，扩展了网络的深度（这个扩展没有理解到，是架构的网络层次更多？）。

对于非地质专业背景的我们，实际上更应该关注的是它的输入和输出：
输入：合成地震记录数据集（有特征，有标签）；
我们来猜一下这个数据集的内容：

• 特征：以图片形式给出（是不是类似于黑白照片）；
• 标签：人工标注的哪些区域是断层（？）

输出：识别断层的模型
训练过程：利用训练数据的特征和标签，训练出识别断层的模型
预测过程：给定一张地震图片，识别出哪些地方是断层

图3有几个问题：

• 什么是Xline剖面？有什么用？【大致理解：因为是三维结构的地层，需要通过不同剖面来观察这个地层】
• 什么是Inline剖面？
• 为什么要进行时间切片？

【徐老师的解答】

• Xline,Inline,时间切片，意思就是三维数据体的三个坐标轴方向，切三刀；
• 时间切片，是水平面的切法，其他两个是2个垂直方向的切法；
• 乘以速度，就是 距离，但是地震上多用时间。