基于3D TransUnet模型的断层识别方法

来源：石油科学通报杂志2025年第5期北京时间：

作者：赵昭阳, 赵建国, 欧阳芳, 马铭, 闫博鸿, 张宇

单位：1 中国石油大学(北京)油气资源与工程全国重点实验室，北京 1022492 中国地震局地震预测研究所，北京 100036

摘要：断层作为油气运移、聚集的重要通道和场所，其识别任务是地震资料解释工作的重要环节。然而断层的类型多样、分布广泛、特征复杂，为断层识别任务带来了不小的困难，本文提出了使用3D TransUnet模型进行断层识别的方法，该模型基于3D CNN和Transformer模块构建而成，采用3D Unet模型端对端的结构设计，通过学习合成地震数据三维断层之间的空间关系，从而预测实际地震数据的断层信息，在荷兰北海F3区块和塔里木盆地哈拉哈塘地区的地震工区都成功应用，并取得良好的效果。研究结果表明, 3D TransUnet模型具有CNN局部精度高和Transformer全局注意力的特点，能够根据断层全局信息对复杂区域的断层进行推理预测。将实验结果与3D Unet模型和其他传统方法断层识别的结果进行对比，通过计算验证集断层识别的召回率(Recall)和精确率(Precision)，得到的3D TransUnet模型断层识别的召回率为0.87，精确率为0.83，远高于其他断层识别方法。在三维实际地震工区的应用中，3D TransUnet模型能够在不同实际地震工区都准确地识别出断层信息，对于特征较弱的断层，由于该模型加入了Transformer模块，具备全局注意力机制，因此可以通过整个工区断层的分布趋势来推断出该区域是否存在断层。通过将训练完成的断层识别模型同时运用到不同实际地震工区(F3区块和哈拉哈塘地区)，从而证明了该方法的通用性，即训练好的断层识别模型可以在不同地区的地震数据中使用。研究发现该方法能够有效地识别出地层中的微裂缝信息，在微裂缝作为储集层的油气田，由于微裂缝主要沿着大断层发育，井位都部署在大断层的附近，而在这类油气田的中后期采油阶段，井位的部署则主要根据微裂缝的发育程度决定，因此该断层识别方法对微裂缝作为储集层的油气田的井位部署具有指导意义。

关键词：深度学习,合成模型,3DTransUnet,Transformer,断层识别

基金资助：国家自然科学基金项目(42304141);国家自然科学基金项目(41974120);国家自然科学基金联合基金重点项目(U20B2015)