一次告诉你地震断层识别历程回顾——最后详细介绍深度学习应用
前面课程给大家讲了：在油气藏勘测领域，断层和裂缝网络的几何形态对油气成藏和运移起着重要作用，因此，对其进行识别是必要的，也是值得的。断层识别这么重要，具体是怎样做的呢？
01 人工检测断层
断层识别最初是由经验丰富的解释员根据断层局部特征，结合整体工区的地质结构和应力走向等情况，人工在剖面图上绘制断层线，再进一步构造断层面。
这种人工的方式缺点比较明显：一是效率低。受限于解释员的工作效率，对于大规模工区处理时间较长。二是精度不可靠。解释质量总是会受到人为偏差的影响。检测结果在很大程度上依赖于解释员的知识和经验。而且对于地质特征不太明显的区域，人工解释难度较大。
随着地震勘探学的发展，地质专家们一直孜孜不倦探索和研究算法来自动识别地震断层，帮助专家更精准地刻画地质结构。
02传统断层识别方法
进入到计算机算法时代，传统的断层识别方法是基于地震属性的算法驱动，使用单一的方法或模型来处理地震数据。主要的原理是利用地震属性来计算断层，利用非线性方式整合相邻地震道和样本的信息，通过测量波形变化来直接描绘地震信号的不连续性。
1.早期检测断层的方法
第一类是计算地震信号反射的连续性属性来识别断层。比较经典的方法包括了一致性、相关性、相似性、相干性、发射几何结构、特征向量、构造张量、平面波分解等方法。
第二类是计算地震信号反射的不连续性属性来识别断层。这类方法自动跟踪效果较好，但对噪声和地层特征很敏感，容易产生误报。主要方法包括了方差、梯度幅值、混沌、边缘检测等方法。
第三类是检测地层几何结构，利用解释层位的信息来寻找断层位置。主要方法包括地层倾角、方位图等等。
上面方法有以下一些缺点，地震属性通常需要大量的计算，而且单凭局部地震属性不适合有效的从整体上构建断层，特别容易出现误报，需要人工较大的介入修改。
2.增强的断层识别方法
在传统的基于地震属性的算法发展过程中，特别是相干体算法出现之后，相继涌现出很多断层增强属性与自动追踪的断层识别方法，通过计算机辅助进行断层检测。
效果比较好的方法包括了：断层属性增强、面向断层扫描、蚂蚁跟踪、最优曲面投票、断层骨骼化、RGB融合等。
断层增强的方法容易出现两种极端：有些方法提取出的断层很好，但保留了许多伪影；或者结果是干净的，但并不是所有的断层都被检测到。
这类方法有两种限制。首先，这种方法很难适应不同地震图像中的各种不连续性。例如，相干技术对逐渐变化的断层（即不尖锐的断层）不太敏感。第二，确定性方法本身不能根据解释员的经验系统地学习或发展。
03 现代断层识别方法
机器学习（尤其是深度学习）技术对于从数据中挖掘特征或关系非常强大，这使得它们非常适合从人类经验中学习，因此现代断层检测方法主要基于数据驱动的机器学习。
第一类是机器学习的方法。机器学习在数据挖掘和寻找关系这两方面非常强大，是以数据为驱动的方法，非常适合从人类经验中学习。
机器学习算法的优势在于寻找隐藏在数据内部间的规律，并且能够高效率地找到输入数据与目标输出之间的映射关系，这使得机器学习算法非常适合在多种地震属性组合的条件下提取关键信息。因此，利用机器学习方法进行断层识别能够打破传统识别方法的局限性，是智能化地震解释的研究热点和重点之一。
经典的机器学习方法包括：感知器（MLP）算法、贝叶斯匹配、互相关法、支持向量机（SVM），主成分分析（PCA）等。
第二类是深度学习的方法。
深度学习的主要原理是有监督的方法从一组输入（特征）和观测（这里是断层定位）中提取有意义的信息，然后应用获得的知识预测新的样本。这种算法通过在网络隐层中的组合，自动从原始振幅中提取有意义的信息，在训练过程中动态生成新的特征。尽管训练这些网络通常需要大量时间，但一旦训练完成，就可以非常有效地获得进一步的输出。将这些方法应用于地震资料中的断层探测问题有不同的方法。
现在深度学习的方法属于人工智能在地球物理方向的应用，是当今的热门研究领域。深度网络可以在训练过程中动态地学习新的特征，从而解释了它们在解决复杂任务方面的成功。
主要方法包括BP人工神经网络，CNN卷积神经网络，RNN循环神经网络、GAN对抗神经网络等方法。其中CNN应用最广泛，包括了DnCNN残差神经网络，UNet神经网络以及各类变体，处理效果都比较好。
深度学习的效果可以达到比较好的水平，但这类方法仍然存在一些问题：一是作为有监督学习方法，需要大量有标记的地震数据作为输入；二是泛化性问题仍然存在，可能某些地形处理效果好，换个区别就比较差；三是有一些特殊的地形效果仍然不好，比如相交断层、小断裂等。
04未来的研究方向
未来人工智能研究是热点，但是怎样提高处理的效率、提高识别的精度和泛化性，都是需要长期研究的课题。特别是在三维数据的处理上，神经网络占用资源比较大，提高处理效率的问题更加突出。
以上就是今天的课程，主要讲解了传统和现代的识别断层的技术路线和各自的优缺点，希望对大家研究思路有所启迪。后续将选择一些优秀的方法讲解实战案例。今天的课程就到这里，再见。
扩展阅读：
