路鵬飛 杜文龍 李 麗 程丹華 郭愛華

(①東華理工大學(xué)信息工程學(xué)院，江西南昌 330013；②山東省煤田地質(zhì)局第三勘探隊(duì)，山東泰安 271000；③中國(guó)石油青海油田分公司勘探開發(fā)研究院，甘肅敦煌 736202；④中國(guó)石油冀東油田分公司勘探開發(fā)研究院，河北唐山 063004)

0 引言

在含油氣盆地中，高、低序級(jí)斷層[1-3]之間有密切的成因聯(lián)系，高序級(jí)斷層決定著含油斷塊的產(chǎn)狀、形狀和構(gòu)造趨勢(shì)，低序級(jí)斷層則進(jìn)一步控制局部微幅度構(gòu)造，分割含油斷塊并使其中油水關(guān)系復(fù)雜化。對(duì)于油田的勘探開發(fā)以及水平井的部署、鉆探而言，低序級(jí)斷層的準(zhǔn)確識(shí)別尤為重要。

目前，斷層識(shí)別方法和技術(shù)主要有相干體[4-5]、邊緣檢測(cè)[6-7]、曲率[8-9]、譜分解[10-12]、螞蟻體[13-14]、分頻處理[15]、多屬性融合[16-18]等，這些技術(shù)極大地提高了斷層識(shí)別的效果和精度。然而，上述方法對(duì)地震資料品質(zhì)要求較高，并且對(duì)低序級(jí)斷層不甚敏感，因此對(duì)斷距較小的低序級(jí)斷層識(shí)別效果不佳。

基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)深度學(xué)習(xí)方法的人工智能技術(shù)為地震斷層識(shí)別特別是低序級(jí)斷層識(shí)別提供了新的途徑。Ronneberger等[19]在挖掘醫(yī)學(xué)圖像信息時(shí)，結(jié)合CNN提出了UNet網(wǎng)絡(luò)結(jié)構(gòu)。Huang等[20]根據(jù)現(xiàn)有地震數(shù)據(jù)具有的大數(shù)據(jù)特點(diǎn)，提出了一種應(yīng)用地震屬性(特別是斷層概率體屬性)識(shí)別斷層的CNN方法。Guo 等[21]、Xiong等[22]、任雄風(fēng)等[23]、王紫蕊等[24-25]分別提出基于CNN的斷層識(shí)別方法。Araya-Polo等[26]利用深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network，DNN)把地震數(shù)據(jù)映射到斷層數(shù)據(jù)空間進(jìn)行斷層識(shí)別。Chang等[27]提出利用UNet識(shí)別斷層的方法。Wu 等[28]利用UNet網(wǎng)絡(luò)進(jìn)行斷層智能識(shí)別。Zhou等[29]利用迭代深度學(xué)習(xí)方法識(shí)別斷層。張政等[30]將深度殘差網(wǎng)絡(luò)與遷移學(xué)習(xí)結(jié)合并應(yīng)用于斷層識(shí)別。吳吉忠等[31]提出基于全卷積神經(jīng)網(wǎng)絡(luò)(Fully Convolutional Neural Network，F(xiàn)CN)結(jié)構(gòu)的低序級(jí)斷層識(shí)別方法。常德寬等[32]在UNet網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上結(jié)合ResNet的思想，提出了SeisFault-Net結(jié)構(gòu)。楊午陽(yáng)等[33]提出一種基于UNet深度學(xué)習(xí)網(wǎng)絡(luò)的地震數(shù)據(jù)斷層檢測(cè)方法，在網(wǎng)絡(luò)結(jié)構(gòu)中結(jié)合UNet和殘差模塊ResNet50，構(gòu)建了新的ResUNet網(wǎng)絡(luò)。王作乾等[34]嘗試將基于特征壓縮激活UNet的卷積網(wǎng)絡(luò)結(jié)構(gòu)用于識(shí)別斷層。

Milletari等[35]處理醫(yī)學(xué)圖像信息時(shí)，在UNet的基礎(chǔ)上提出了VNet結(jié)構(gòu)的思想。通過調(diào)研發(fā)現(xiàn)，UNet網(wǎng)絡(luò)結(jié)構(gòu)在下采樣過程中丟失了信號(hào)的部分細(xì)節(jié)信息，而VNet網(wǎng)絡(luò)結(jié)構(gòu)可以在下采樣過程中增大信號(hào)的感受野，盡量保留信號(hào)細(xì)節(jié)信息。

本文根據(jù)低序級(jí)斷層的地震地質(zhì)特征，編制了基于VNet網(wǎng)絡(luò)深度學(xué)習(xí)架構(gòu)的低序級(jí)斷層識(shí)別程序，通過模型數(shù)據(jù)訓(xùn)練、驗(yàn)證，并應(yīng)用到油田實(shí)際地震數(shù)據(jù)中。斷層識(shí)別結(jié)果顯示，相對(duì)以往方法，提取的信息更加豐富，表明本文方法在識(shí)別低序級(jí)斷層方面有效。

1 低序級(jí)斷層地震特征

高序級(jí)斷層指用常規(guī)地球物理方法能夠識(shí)別的斷層；低序級(jí)斷層是由高序級(jí)斷層派生的且用常規(guī)地球物理方法難以識(shí)別的小斷層，具有較強(qiáng)的隱蔽性。低序級(jí)斷層在地震剖面上可以斷開標(biāo)準(zhǔn)反射層，或者標(biāo)準(zhǔn)反射層有明顯錯(cuò)動(dòng)；也可能在地震剖面上表現(xiàn)為標(biāo)準(zhǔn)反射層稍微扭曲或者僅在非標(biāo)準(zhǔn)反射層中有所錯(cuò)動(dòng)，此種輕微錯(cuò)動(dòng)常與巖性變化引起的反射層同相軸變化相混淆。

在常規(guī)勘探地震資料中，低序級(jí)斷層具有以下特點(diǎn)：

(1)利用通常的斷層識(shí)別標(biāo)準(zhǔn)難以發(fā)現(xiàn)，在經(jīng)過嚴(yán)格常規(guī)處理后的地震剖面上，表現(xiàn)為地震同相軸輕微錯(cuò)斷、不連續(xù)，同相軸輕微撓曲、分叉或合并，同相軸出現(xiàn)空白帶等形式，斷層識(shí)別難度大；

(2)低序級(jí)斷層是局部構(gòu)造應(yīng)力場(chǎng)的產(chǎn)物，斷層的斷距、延伸長(zhǎng)度和規(guī)模都比較小，通常淺層斷距小于10m、中深層小于25m，斷開層位較少，伸展長(zhǎng)度??；

(3)平面延伸較短，橫向延伸長(zhǎng)度多半不超過500m，可以輸導(dǎo)油氣。

圖1展示了高(藍(lán)線)、低(紅線)序級(jí)斷層的地震響應(yīng)特征。低序級(jí)斷層在地震剖面上表現(xiàn)的微小錯(cuò)動(dòng)、同相軸扭曲或者振幅變?nèi)醯忍卣?，常易與地層巖性變化引起的同相軸變化相混淆。一般來說，常規(guī)方法中的高、低序級(jí)斷層識(shí)別方法不通用，利用DNN模型可以區(qū)分由斷層或巖性改變引發(fā)的變化特征。對(duì)于深度學(xué)習(xí)而言，選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)能同時(shí)提取高、低序級(jí)斷層特征，這是深度學(xué)習(xí)在斷層識(shí)別方面的優(yōu)勢(shì)之一。

圖1 高、低序級(jí)斷層地震響應(yīng)特征

2 方法原理

2.1 UNet網(wǎng)絡(luò)結(jié)構(gòu)

UNet結(jié)構(gòu)由下采樣的收縮路經(jīng)和上采樣的擴(kuò)展路徑組成(圖2)。收縮路徑是典型的重復(fù)結(jié)構(gòu)卷積網(wǎng)絡(luò)架構(gòu)，由兩個(gè)3×3×3尺寸的卷積層、一個(gè)激活函數(shù)和一個(gè)步長(zhǎng)為2、尺寸為2×2×2的最大池化層構(gòu)成。每次下采樣操作都將特征圖通道數(shù)增加2倍，同時(shí)將圖像尺寸縮小為原來的1/2。上采樣擴(kuò)展路徑中的每一步都首先進(jìn)行一次反卷積操作，將特征圖通道數(shù)減半，然后拼接對(duì)應(yīng)收縮路徑裁剪得到的特征圖，再采用2個(gè)2×2×2尺寸的卷積層進(jìn)行特征提取，并重復(fù)使用這一結(jié)構(gòu)。網(wǎng)絡(luò)的最后一層是一個(gè)尺寸1×1×1的卷積層，通過這一層操作可以將64通道的特征向量轉(zhuǎn)換為所需要的分類結(jié)果的數(shù)量。卷積層后的ReLU激活函數(shù)應(yīng)用在UNet的每個(gè)階段的計(jì)算中。

圖2 UNet網(wǎng)絡(luò)結(jié)構(gòu)

2.2 VNet網(wǎng)絡(luò)結(jié)構(gòu)

VNet網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示，分為編碼部分和解碼部分。VNet在UNet基礎(chǔ)上添加了ResBlock殘差模塊，并采用ResNet的短鏈接方式，使用的激活函數(shù)是PReLU。上采樣和下采樣的每一階段包含1～3個(gè)卷積層，增加了信號(hào)的感受野，能夠更好地保留和提取信號(hào)的細(xì)節(jié)信息。同時(shí)，VNet采取在壓縮路徑疊加特征圖的方法補(bǔ)充損失信息。通過將每個(gè)階段下采樣的特征圖與對(duì)應(yīng)層次的上采樣相連接，以收集在下采樣過程中丟失的信息。與UNet不同，VNet在下采樣過程中使用卷積層替換池化函數(shù)，因而占用的網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)存更小。另外，VNet結(jié)構(gòu)在每個(gè)階段的卷積次數(shù)不一樣，其在第一個(gè)階段短路部分只進(jìn)行一次卷積操作，然后在第二個(gè)階段、第三個(gè)階段依次遞增，這樣有利于充分挖掘目標(biāo)信息。每一階段的特征通道數(shù)都會(huì)增加一倍，使VNet在下采樣過程中減小輸入信號(hào)的大小并增加信號(hào)的感受野，這樣特別有利于小斷層信息的提取，并在后續(xù)網(wǎng)絡(luò)計(jì)算中呈現(xiàn)想要提取的特征。與UNet相比，VNet可以在提取大尺度斷層的同時(shí)，保留和提取小尺度斷層信息。

圖3 VNet網(wǎng)絡(luò)結(jié)構(gòu)圖

非飽和激活函數(shù)ReLU和PReLU的應(yīng)用能夠解決梯度消失問題，同時(shí)加快函數(shù)收斂速度。

2.3 損失函數(shù)

使用Wu等[28]討論的平衡交叉熵?fù)p失函數(shù)

(1)

(2)

式中：N為地震數(shù)據(jù)樣點(diǎn)數(shù)；i代表地震數(shù)據(jù)中第i個(gè)樣點(diǎn)；pi為斷層預(yù)測(cè)概率；yi為第i個(gè)斷層標(biāo)簽；β表示非斷層數(shù)據(jù)與總數(shù)據(jù)的比率，則1-β表示總數(shù)據(jù)中斷層數(shù)據(jù)的比率。

增加β可以使模型在訓(xùn)練過程中更側(cè)重于對(duì)較少標(biāo)簽樣本的學(xué)習(xí)，適合正、負(fù)樣本不均衡的情況。在數(shù)據(jù)訓(xùn)練集中，非斷層點(diǎn)(標(biāo)簽為0)遠(yuǎn)大于斷層點(diǎn)(標(biāo)簽為1)的數(shù)量，因而應(yīng)用L能夠增加模型對(duì)斷層點(diǎn)的學(xué)習(xí)能力，以便更好地識(shí)別斷層。

2.4 模型訓(xùn)練

模型訓(xùn)練采用的數(shù)據(jù)集共有240個(gè)三維合成地震記錄以及與之對(duì)應(yīng)的標(biāo)簽集，每個(gè)數(shù)據(jù)的大小為128×128×128。其中，200個(gè)作為訓(xùn)練集，20個(gè)作為驗(yàn)證集，其余20個(gè)作為測(cè)試集。圖4展示了訓(xùn)練數(shù)據(jù)集中的主測(cè)線(Inline)剖面、聯(lián)絡(luò)線(Xline)剖面、時(shí)間切片以及對(duì)應(yīng)的斷層標(biāo)簽。在訓(xùn)練之前，首先對(duì)樣本標(biāo)簽數(shù)據(jù)體進(jìn)行預(yù)處理?？紤]到不同地震剖面的振幅值之間可能存在很大差異，因而對(duì)所有訓(xùn)練集數(shù)據(jù)剖面振幅進(jìn)行歸一化處理，每幅圖像用平均值減去標(biāo)準(zhǔn)差。通過模型遍歷訓(xùn)練數(shù)據(jù)集，發(fā)現(xiàn)數(shù)據(jù)集中同時(shí)具有高序級(jí)斷層和低序級(jí)斷層的特征，所以用這些數(shù)據(jù)集進(jìn)行模型訓(xùn)練后可以預(yù)測(cè)高、低序級(jí)斷層。

圖4 訓(xùn)練數(shù)據(jù)集中的地震數(shù)據(jù)與對(duì)應(yīng)的斷層標(biāo)簽

在測(cè)試集中選取一條地震剖面進(jìn)行斷層識(shí)別驗(yàn)證。斷層驗(yàn)證結(jié)果如圖5～圖7所示。由圖5可見，Xline測(cè)線1～40之間、60ms以上淺層發(fā)育兩條低序級(jí)斷層，地震剖面上表現(xiàn)為微小錯(cuò)動(dòng)、同相軸扭曲、振幅變?nèi)醯?，斷層特征不明顯。UNet和VNet網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果基本一致，均可以從地震剖面中識(shí)別斷層，與斷層標(biāo)簽也比較吻合，但在一些細(xì)節(jié)方面，VNet好于UNet。如圖5c紫色和綠色橢圓框中，VNet識(shí)別出兩條與斷層標(biāo)簽數(shù)據(jù)一致的低序級(jí)斷層，而UNet結(jié)果沒有分開；在紅色橢圓框中，VNet識(shí)別的斷層為一條，與斷層標(biāo)簽數(shù)據(jù)一致，而UNet結(jié)果中斷層斷為兩條，這條斷層在小于1600ms的淺層為低序級(jí)斷層。又如圖7c紅色橢圓框中，VNet結(jié)果識(shí)別出的斷層連在一起，與斷層標(biāo)簽一致，而UNet識(shí)別的結(jié)果中斷層斷為兩條，與標(biāo)簽不符。因此，VNet模型可以更好地學(xué)習(xí)斷層特別是低序級(jí)斷層特征。

圖5 測(cè)試數(shù)據(jù)集中的主測(cè)線剖面(a)、斷層標(biāo)簽(b)、VNet(c)和UNet(d)識(shí)別結(jié)果

圖6 測(cè)試數(shù)據(jù)集中的聯(lián)絡(luò)測(cè)線剖面(a)、斷層標(biāo)簽(b)、VNet(c)和UNet(d)識(shí)別結(jié)果

圖7 測(cè)試數(shù)據(jù)集中的時(shí)間切片(a)、斷層標(biāo)簽(b)及VNet(c)、UNet(d)識(shí)別結(jié)果

進(jìn)一步選擇發(fā)育有低序級(jí)斷層及河道的訓(xùn)練集和驗(yàn)證集數(shù)據(jù)進(jìn)行測(cè)試，驗(yàn)證本文方法區(qū)分真正的低序級(jí)斷層和偽斷層(如巖性變化)的效果。圖8、圖9分別為訓(xùn)練集和驗(yàn)證集數(shù)據(jù)時(shí)間切片、譜分解切片、斷層標(biāo)簽數(shù)據(jù)和用本文方法識(shí)別的結(jié)果。圖中紫色虛線指示河道，由圖8d、圖9d識(shí)別結(jié)果可以看出，本文方法能有效區(qū)分低序級(jí)斷層和巖性體邊界。說明即使原始地震數(shù)據(jù)中包含巖性體變化，應(yīng)用本文方法仍然能夠較準(zhǔn)確地將低序級(jí)斷層與非斷層因素區(qū)分開。

圖8 訓(xùn)練集數(shù)據(jù)中發(fā)育低序級(jí)斷層、河道的識(shí)別結(jié)果

圖9 驗(yàn)證集數(shù)據(jù)中發(fā)育低序級(jí)斷層、河道的識(shí)別結(jié)果

表1對(duì)比統(tǒng)計(jì)了VNet與UNet網(wǎng)絡(luò)模型的訓(xùn)練參數(shù)。

表1 VNet和UNet網(wǎng)絡(luò)訓(xùn)練參數(shù)統(tǒng)計(jì)

3 實(shí)際應(yīng)用

受伸展—走滑應(yīng)力場(chǎng)的影響，研究區(qū)內(nèi)發(fā)育眾多“花”狀構(gòu)造，且斷層破碎、構(gòu)造復(fù)雜，低序級(jí)斷層較為發(fā)育。為了提高鉆探成功率，需要理清低序級(jí)斷層分布及斷層組合情況，確定構(gòu)造特征，為后續(xù)井位部署提供重要依據(jù)。

圖10a為研究區(qū)內(nèi)Inline2400地震剖面，剖面上可見發(fā)育有復(fù)雜的“花”狀構(gòu)造。圖10b～圖10d分別為采用相干體、邊緣檢測(cè)及螞蟻體屬性的斷層檢測(cè)結(jié)果，這些方法識(shí)別出的斷層剖面噪聲重，干擾信息較多，效果很不理想。圖10e、圖10f分別為應(yīng)用UNet和VNet方法的識(shí)別結(jié)果，兩種深度學(xué)習(xí)方法得到的結(jié)果均明顯優(yōu)于傳統(tǒng)斷層識(shí)別方法，仔細(xì)對(duì)比后發(fā)現(xiàn)，VNet識(shí)別結(jié)果看到的“花狀”構(gòu)造中心斷層細(xì)節(jié)刻畫得更豐富。如圖10e、圖10f中的紅色橢圓區(qū)，通過分析地震數(shù)據(jù)認(rèn)為在“花狀”構(gòu)造中心發(fā)育有低序級(jí)斷層，斷距較小，斷層特征不明顯，UNet方法對(duì)該部位低序級(jí)斷層特征的識(shí)別不清楚，而VNet方法識(shí)別的低序級(jí)斷層相對(duì)清晰且更符合地質(zhì)規(guī)律。圖10g為地震剖面與VNet斷層識(shí)別結(jié)果疊合顯示，可以看出，VNet識(shí)別出的斷層符合地質(zhì)情況。

圖10 實(shí)際地震數(shù)據(jù)及不同方法識(shí)別斷層結(jié)果對(duì)比(Inline2400)

圖11分別為實(shí)際地震數(shù)據(jù)、相干體、邊緣檢測(cè)、螞蟻體、UNet和VNet斷層識(shí)別結(jié)果在1500ms處的時(shí)間切片。同樣可以看出，UNet和VNet斷層識(shí)別效果明顯優(yōu)于相干體、邊緣檢測(cè)、螞蟻體屬性。仔細(xì)對(duì)比UNet(圖11e)、VNet(圖11f)切片，特別是圖中紅色橢圓區(qū)域，可以看出兩者對(duì)大斷層的識(shí)別相對(duì)一致，但VNet針對(duì)小斷層(低序級(jí)斷層)的識(shí)別結(jié)果好于UNet。

圖11 實(shí)際地震數(shù)據(jù)及不同方法識(shí)別斷層結(jié)果對(duì)比(切片時(shí)間1500ms)

4 結(jié)束語(yǔ)

(1)受斷裂系統(tǒng)復(fù)雜性影響和地震資料品質(zhì)的限制，復(fù)雜斷塊地區(qū)的低序級(jí)斷層識(shí)別難度較大，地震解釋多解性強(qiáng)，傳統(tǒng)相干體、邊緣檢測(cè)技術(shù)對(duì)低序級(jí)斷層的檢測(cè)效果不好；螞蟻體檢測(cè)斷層結(jié)果存在較多干擾信息，需要仔細(xì)甄別對(duì)待。

(2)本文根據(jù)低序級(jí)斷層的地震地質(zhì)特征，將VNet深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)應(yīng)用到斷層檢測(cè)特別是低序級(jí)斷層識(shí)別中。通過選擇合適的損失函數(shù)、迭代次數(shù)，優(yōu)選合適模型權(quán)重參數(shù)進(jìn)行模型訓(xùn)練，并應(yīng)用到模型數(shù)據(jù)和油田實(shí)際地震數(shù)據(jù)中。與傳統(tǒng)斷層檢測(cè)方法及UNet方法識(shí)別結(jié)果對(duì)比，本文方法提取的斷層信息更豐富，對(duì)低序級(jí)斷層的刻畫更清楚；同時(shí)，能有效剔除偽斷層(如巖性變化)的影響。表明本文方法在識(shí)別低序級(jí)斷層方面更有效。