Глубокая сверточная нейронная сеть для автоматического распознавания разломов по трехмерным сейсмическим наборам данных

В условиях стремительного роста объемов сейсмических данных и успешного применения глубоких сверточных нейронных сетей (DCNN) для решения различных задач обработки изображений в междисциплинарных областях многие исследователи начали изучать методы автоматической сейсмической интерпретации на основе DCNN. Поскольку глубокие нейронные сети содержат огромное число параметров, методы глубокого обучения обычно требуют больших объемов данных для обучения. Однако сбор большого количества экспертных интерпретаций занимает много времени, поэтому в соответствующих исследованиях обычно используются синтетические наборы данных, а практические проблемы, связанные с полевыми наборами данных, остаются без внимания. В данной работе мы открываем доступ к многогигабайтному полевому набору данных, размеченному экспертами, чтобы решить проблему доступности крупномасштабных полевых наборов данных с экспертной разметкой. Мы показываем, что распознавание двумерных разломов в этом наборе данных представляет собой задачу сегментации изображений или обнаружения границ в области компьютерного зрения, которую можно сформулировать как попиксельную бинарную классификацию на классы «разлом» и «не разлом». Сравниваются оба типа DCNN, и предлагается новый рабочий процесс распознавания разломов, включающий обработку и отбор сейсмических изображений и их разметки, обучение DCNN и автоматическую численную оценку. Кроме того, на трех наборах данных для тематических исследований показано, что эффективные методы аугментации изображений позволяют сократить необходимое количество размеченных кросслайнов при сохранении удовлетворительной эффективности. Результаты экспериментов показывают, что предложенный рабочий процесс не только превосходит два современных решения на основе DCNN, но и обеспечивает результаты, сопоставимые с результатами экспертов, на наборе изображений с экспертной разметкой; при этом он способен прогнозировать даже малозаметные разломы, не размеченные экспертом-интерпретатором. Мы предполагаем, что предложенный рабочий процесс может сократить жизненный цикл интерпретации разломов с месяцев до часов, повысить качество интерпретации и определить степень уверенности в результатах интерпретации разломов.