基于改良U-Net卷积神经网络的复杂地质 构造智能识别

浅地层中的地质异常体给地下工程带来了极大安全隐患，可能导致经济和生命损失. 浅层地震法是开展施

工场地勘察的一种无损高效的手段. 但是地震勘探在浅地层问题中面临着信噪比低、信号衰减强、波场复杂等问题，

结果存在多解性和主观性. 针对地震勘探问题，提出了一种改良的卷积神经网络地质速度模型预测模型，提供了一

种无需初始速度模型的浅层地质模型反演方案，形成了一套完整的浅层地震勘探信号处理处理流程. 在训练样本方

面，采用了随机地质模型方法构建多种类地质模型，并形成了地质模型-地震信号数据库. 在传统U-Net卷积神经网

络上进行了改良，以更好的适应浅地层弹性波叠前信号数据的反演任务. 结果表明神经网络的反演结果直观准确

该模型能够精确的预测出地层分界线、褶皱、起伏、断层滑移线等的位置和大小等参数，所采用的SSIM和PSNR两

个定量化评价指标均表示，所提出的改良神经网络可以实现高精度反演. 预测结果与真实模型相比较，得到的

SSIM平均值为0.91，PSNR平均值为39.0 . 同时该神经网络模型能够向三维问题扩展，能够极大的提高地震信号处

理的效率和解译精度.