基于增强域数据微调Yolo模型的储气库断层智能识别方法及应用.pdfVIP

基于增强域数据微调Yolo模型的储气库断层智能识别方法及应用.pdf

第49卷第1期测井技术Vol.49No.1

2025年2月WELLLOGGINGTECHNOLOGYFeb2025

引用格式:白雪峰，张峰源，邹环宇，等.基于增强域数据微调Yolo模型的储气库断层智能识别方法及应用[J].测井技术，2025，

49(1)：47-56.

BAIXuefeng,ZHANGFengyuan,ZOUHuanyu,etal.EnhanceddomaintunedYolo-drivenintelligentfaultidentification

method:applicationinselectionandconstructionofgasstorage[J].WellLoggingTechnology,2025,49(1):47-56.

基于增强域数据微调Yolo模型的储气库

断层智能识别方法及应用

12，3114

白雪峰，张峰源，邹环宇，黄发木，李俊伦，

2，352，3

赵世杰，张莉，汤继周

（1.国家管网集团储能技术公司，上海200011；

2.同济大学海洋与地球科学学院，上海200092；

3.同济大学海洋地质全国重点实验室，上海200092；

4.中国科学技术大学地球和空间科学学院，安徽合肥230026；

5.长江大学地球科学学院，湖北武汉430199）

摘要:地质断层作为储层油气聚集和运移的重要通道，是评价储层特征和圈闭性的重要指标，也是储气库

构造样式选择的先决条件。然而，从地震图像资料中识别断层存在依赖专家知识、时效性差和多解性强等

问题。近年来，以深度学习和大模型技术为代表的人工智能方法，凭借其高效的非线性数据分析能力极大

地改变了传统工业任务范式。鉴于此，提出一种基于增强域数据微调Yolo（YouOnlyLookOnce）模型的

断层智能识别方法。首先，针对现场数据稀疏问题，使用基于强化学习的图像自增强算法，通过下游任务

需求定向训练优化算法，实现地震体图像最优增强组合方案；然后，根据地质领域专家知识，在三维地震

图像中确定能有效表征断块的高阶特征；通过进一步搭建基于预训练Yolo模型的断层识别模型，输入实

测-增强图像数据进行领域数据微调训练，从而建立断层智能识别模型；最后，将现场三维地震数据输入到

训练好的断层智能识别模型中，提取被分割、识别、标注和计算的断层特征。以中国中部地区某储气库建

设运营地块为例，该方法能在不过多依赖人工介入的情况下高效识别储层断层。本研究适用于地震勘探断