基于DAMFU-Net模型的三维地震断层识别方法OA

地震断层识别在油气勘探与开发中具有重要作用,但目前的断层识别方法在处理复杂地震数据时,面临着多尺度特征覆盖不足、长距离连续性建模不充分以及噪声干扰等问题。针对这些问题,提出了一种基于双注意力多尺度融合U-Net(DAMFUNet)模型的三维地震断层识别方法。首先,将多尺度特征融合模块作为基础特征提取器,通过多分支结构初步捕获地震数据中不同规模的断层特征,为后续地震数据处理提供丰富的多尺度特征表示;然后,利用空洞融合模块进一步扩展感受野,通过多扩张率卷积挖掘长程空间依赖关系,有效建模断层结构的全局连续性特征;最后,在前两个模块提取的多尺度、长程特征数据基础上,利用双注意力并行机制在跳跃连接中实现进一步的特征筛选与融合,通过在通道和空间维度上的协同注意力计算,提升模型对断层特征的敏感性和抗噪声干扰能力。测试结果表明,与目前主流的4种断层识别模型相比,DAMFU-Net模型比MARU-Net(混合注意力残差U-Net)模型识别断层的准确度提高了1.66%,且展现出良好的抗噪声性能,该方法在F3和Kerry-3D地震数据上的应用结果证明了基于DAMFU-Net模型的三维地震断层识别方法具有良好的泛化性能。