(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111288136.3 (22)申请日 2021.11.02 (71)申请人 中国石油大 学(华东) 地址 266580 山东省青岛市黄岛区长江西 路66号 (72)发明人 常德宽　张广智　周游　李林　 蔺营　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 代理人 刘飞　许曼 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01)G06F 111/10(2020.01) (54)发明名称 基于多任务深度学习的地震断层和层位解 释方法、 装置 (57)摘要 本说明书提供了一种基于多任务深度学习 的地震断层和层位解释方法、 装置， 该方法包括： 根据三维地震数值模拟合成带有断层和层位的 空间组合关系的速度模型， 并对速度模型进行正 演模拟， 以获得合成地震数据； 对合成地震数据 自动标注断层标签和层位标签， 以作为训练数据 集； 利用训练数据集对多任务深度学习网络模型 进行推理学习， 以获得初始网络模型； 获取少量 待解释地震数据的断层及层位标签数据； 利用少 量待解释地震数据的断层及层位标签数据对初 始网络模型进行迁移学习， 以获得目标解释模 型； 根据目标解释模型对待解释地震数据进行断 层和层位解释， 获得断层及层位解释结果。 本说 明书实施例可以提高地震数据断层和层位解释 的准确度。 权利要求书3页 说明书12页 附图7页 CN 114048676 A 2022.02.15 CN 114048676 A 1.一种基于多任务深度学习的地震断层和层位 解释方法， 其特 征在于， 包括： 根据三维地震数值模拟合成带有断层和层位的空间组合关系的速度模型， 并对所述速 度模型进行正演模拟， 以获得合成地震数据； 对所述合成地震数据自动标注断层标签和层位标签， 以作为训练数据集； 利用所述训练数据集对多任务深度学习网络模型进行推理学习， 以获得初始网络模 型； 获取少量待解释地震数据的断层 及层位标签数据； 利用所述少量待解释地震数据的断层及层位标签数据对所述初始网络模型进行迁移 学习， 以获得目标解释模型； 根据所述目标解释模型对待解释地震数据进行断层和层位解释， 获得断层及层位解释 结果。 2.如权利要求1所述的基于多任务深度 学习的地震断层和层位解释方法， 其特征在于， 所述利用所述训练数据集对多任务深度学习网络模型进行推理学习， 包括： 将所述训练数据集据输入多任务深度 学习网络模型中进行推理学习， 得到断层和层位 的特征图； 对所述断层和层位特征图进行分类处理， 获取所述训练数据集中每个地震数据的断层 和层位类别概 率； 通过预设的损失函数分别计算所述断层和层位类别概 率与对应标签之间的损失值； 当所述损失值大于预设阈值 时， 利用所述损失值更新多任务深度 学习网络模型中各层 的权值参数， 并继续进行训练， 直至损失值 不大于所述预设阈值 为止。 3.如权利要求2所述的基于多任务深度 学习的地震断层和层位解释方法， 其特征在于， 所述多任务深度学习网络模型包括： 用于学习断层和层位的相互关系的主干网络， 用于学 习断层特征的断层检测分支网络， 以及用于学习层位特征的层位解释分支网络； 其中， 所述 主干网络、 所述断层检测分支网络及所述层位解释分支网络内， 各层之间的共享输入特征 通过张量 拼接而成。 4.如权利要求3所述的基于多任务深度 学习的地震断层和层位解释方法， 其特征在于， 所述主干网络内各层之间的共享输入特 征的张量 拼接通过以下公式获得： 其中， Xn_input为主干网络内第n层网络的输入数据， Concatenate表示张量拼接， N表示主 干网络的网络层数， Xn‑1_output为主干网络内第n ‑1层网络的输出 数据。 5.如权利要求3所述的基于多任务深度 学习的地震断层和层位解释方法， 其特征在于， 所述断层检测分支网络内各层之间的共享输入特 征的张量 拼接通过以下公式获得： 其中， XF,m_intput为断层检测分支网络内第m层网络的输入数据， Concatenate表示张量拼 接， N表示主干网络的网络层数， M表示 断层检测分支网络的网络层数， K表示层位解释分支权　利　要　求　书 1/3 页 2 CN 114048676 A 2网络的网络层数， Xn_output为主干网络内第n层网络的输出数据， XF,m‑1_output为断层检测分支 网络内第m ‑1层网络的输出数据， XL,k‑1_output为层位解释分支网络内第k ‑1层网络的输出数 据。 6.如权利要求3所述的基于多任务深度 学习的地震断层和层位解释方法， 其特征在于， 所述层位 解释分支网络内各层之间的共享输入特 征的张量 拼接通过以下公式获得： 其中， XL,k_intput为层位解释分支网络内第k层网络的输入数据， Concatenate表示张量拼 接， N表示主干网络的网络层数， M表示 断层检测分支网络的网络层数， K表示层位解释分支 网络的网络层数， Xn_output为主干网络内第n层网络的输出数据， XL,k‑1_output为层位解释 分支 网络内第k ‑1层网络的输出数据， XF,m‑1_output为断层检测分支网络内第m ‑1层网络的输出数 据。 7.如权利要求3所述的基于多任务深度 学习的地震断层和层位解释方法， 其特征在于， 所述损失函数包括： 其中loss为损失函数， lossF为断层检测分支网络的损失函数， lossL为层位解释分支网 络的损失函数， β 和 λ分别为断层检测分支网络的损失函数和层位解释分支网络的损失函数 的权重， 用于调节网络模型的训练优 化效果， P为输入 地震数据样本数， 为第i个样本 数据 的预测断层数据， Yi为第i个样本数据的标签断层数据， 为第i个样本数据的预测层位数 据， Zi为第i个样本数据的标签层位数据， α 为正负样本重要性平衡因子， γ为简 单样本和复 杂样本调制因子 。 8.一种基于多任务深度学习的地震断层和层位 解释装置， 其特 征在于， 包括： 数据合成模块， 用于根据三维地震数值模拟合成带有断层和层位的空间组合关系的速 度模型， 并对所述速度模型进行正演模拟， 以获得合成地震数据； 第一标签模块， 用于对所述合成地震数据自动标注断层标签和层位标签， 以作为训练 数据集； 第一训练模块， 用于利用所述训练数据集对多任务深度学习 网络模型进行推理学习， 以获得初始网络模型； 第二标签模块， 用于获取少量待解释地震数据的断层 及层位标签数据； 第二训练模块， 用于利用所述少量待解释地震数据的断层及层位标签数据对所述初始 网络模型进行迁移学习， 以获得目标解释模型； 数据解释模块， 用于根据所述目标解释模型对待解释地震数据进行断层和层位解释，权　利　要　求　书 2/3 页 3 CN 114048676 A 3