技術(shù)特征：

1.一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述識(shí)別方法包括：

2.根據(jù)權(quán)利要求1所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述步驟1，將野外探測(cè)所得地震原始資料進(jìn)行處理后，獲得地震剖面圖像集具體包括：

3.根據(jù)權(quán)利要求2所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述對(duì)所述地震道數(shù)據(jù)進(jìn)行編輯處理具體包括：

4.根據(jù)權(quán)利要求2所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述采用校正偏移處理，獲得地震剖面圖像集具體包括：采用靜、動(dòng)校正，共深度點(diǎn)迭加和偏移處理后，得到地震剖面圖像集。

5.根據(jù)權(quán)利要求2所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述將干擾噪聲去除具體包括：采用反褶積、濾波將干擾噪聲去除。

6.根據(jù)權(quán)利要求1所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述步驟3，構(gòu)建全卷積deeplabv3+神經(jīng)網(wǎng)絡(luò)模型具體包括：

7.根據(jù)權(quán)利要求1所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述步驟4，將訓(xùn)練集輸入至全卷積神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，得到訓(xùn)練完成的全卷積神經(jīng)網(wǎng)絡(luò)模型：

8.根據(jù)權(quán)利要求7所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述混合損失函數(shù)lloss的計(jì)算公式：

9.根據(jù)權(quán)利要求1所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述步驟6，根據(jù)全卷積神經(jīng)網(wǎng)絡(luò)輸出的粗分割結(jié)果，獲得全連接crf模型處理后的細(xì)分割融合結(jié)果具體包括：

10.根據(jù)權(quán)利要求9所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述計(jì)算全連接crf模型的步驟具體包括：

11.根據(jù)權(quán)利要求1所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述步驟7，根據(jù)所述細(xì)分割融合結(jié)果劃分出需要進(jìn)行重新分類的連通域還包括：

12.一種基于dice指數(shù)的地震相識(shí)別系統(tǒng)，應(yīng)用上述權(quán)利要求1-11任意一項(xiàng)所述的一種基于dice指數(shù)的地震相識(shí)別方法，其特征在于，所述識(shí)別系統(tǒng)包括：

技術(shù)總結(jié)
本發(fā)明提供的一種基于Dice指數(shù)的地震相識(shí)別方法及系統(tǒng)，通過(guò)預(yù)先對(duì)全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行剖面圖像的地震相分割訓(xùn)練，將觀測(cè)處理得到的地震剖面輸入至該全卷積神經(jīng)網(wǎng)絡(luò)中，得到地震相分割精度不高的剖面圖像，對(duì)該粗分割結(jié)果進(jìn)行后處理優(yōu)化，其中包括：使用全連接CRF對(duì)分割邊界進(jìn)行迭代優(yōu)化和運(yùn)用小連通域統(tǒng)計(jì)分析對(duì)小連通域的分類進(jìn)行優(yōu)化。很好解決地震相分類邊界不夠精細(xì)且分割精度不高和由于剖面圖像噪聲引起的干擾效果。本發(fā)明有力地支持了地震相剖面圖像的分割，對(duì)于幫助地質(zhì)勘探工作人員提高工作效率，具有重要的意義。

技術(shù)研發(fā)人員：顏世翠,張娟,邵卓娜,韋欣法,周偉,楊培杰,穆星,鄒文勇,屈冰,張景濤
受保護(hù)的技術(shù)使用者：中國(guó)石油化工股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/19