基于 ResU-Net 的双地质约束故障识别深度学习方法

《Journal of Structural Geology》：A Dual Geological Constraint Deep Learning Method for Fault Identification Using ResU-Net

　　

摘要
西湖凹陷平湖地区因多期构造改造而广泛发育复杂断层系统，阶梯状断层台阶和花状构造组合广泛发育。传统人工解释和基于地震属性的断层识别方法存在主观性强、工作效率低以及小尺度断层识别精度差等突出缺陷。为解决上述技术难题，本研究提出了一种由双重地质约束控制的ResU-Net断层识别方法，集成了理论标签地质先验约束和人工标签迁移学习约束。首先，基于地震正演模拟构建包含通用随机样本和区域典型构造样本的庞大理论标签数据库，对ResU-Net网络进行预训练，实现第一地质先验约束。随后，将预训练模型应用于实际野外地震数据以生成初步断层概率体，筛选高置信度断层区进行覆盖典型复杂构造和逆断层的精细人工标注，并实施迭代迁移学习对网络进行微调，施加适应区域构造特征的第二实际地质约束。野外应用结果表明，该方法提高了解释断层的吻合率和连续性，提升了解释效率，并优化了小断层的识别成功率。该方法能够精细刻画包括阶梯状断层台阶和花状构造在内的复杂断层组合的空间框架，有效解决了平湖地区复杂断层和特殊断层的识别难题。研究成果验证了双重地质约束策略在增强深度学习模型对地震断层解释泛化能力和区域适应性方面的优势。

引言
西湖凹陷位于东海陆架盆地中部，呈北东向展布，是东海盆地最大的沉积凹陷之一（Wang et al., 2025）。受多期构造改造影响，研究区具有高度复杂的断层系统，以发育北东—北北东向断层为主，辅以北西向断层。多期阶梯状断层台阶和花状断层组合广泛发育，小断层密集分布，断层叠加关系模糊。这些复杂构造特征对油气运聚起关键控制作用，同时对传统地震解释方法构成了巨大挑战（Liu et al., 2020; Jiao et al., 2025）。

在石油勘探中，断层是油气运移的重要通道和聚集空间，也是圈闭形成的关键构造单元（Ma et al., 2023）。精确而精细地识别断层几何形态和组合关系，对于盆地构造演化的地质分析、含油气系统的评估以及井位部署和油气田开发方案的优化至关重要（Yan et al., 2024）。然而，传统断层解释主要依赖地震属性提取（如相干性、方差和蚂蚁追踪体）和人工视觉解释，在实际应用中仍存在明显不足（Qin et al., 2024; Jiao et al., 2025）。具体而言，这些方法对地震数据质量高度敏感，在低信噪比区（尤其是深部地层）以及落差小于30 m的小断层上表现不佳；此外，人工解释主观性强，容易出现多解性问题，且面对日益庞大的三维数据集时效率低下（Wang et al., 2025）。

深度学习的突破性进展为地震断层的自动智能识别提供了新的范式。2015年提出的U-Net网络凭借其对称的编码器-解码器架构和跳跃连接设计，已成为地球物理数据处理中经典的像素级分割模型（Ronneberger et al., 2015）。该模型彻底改变了地震断层解释，将技术范式从基于块状图像分类转变为端到端图像分割。Wu et al.（2019）提出的FaultSeg3D首次将三维U-Net应用于三维地震断层分割，并开源了合成数据集和代码，为后续相关研究奠定了坚实基础。同时，Shi et al.（2019）利用三维U-Net模型实现了三维盐丘的分割，进一步验证了该网络在大规模三维地质体分割中的适用性。

为解决深度U-Net网络的梯度消失和训练退化问题，将ResNet的残差学习机制与U-Net结合，构建了ResU-Net架构。该改进模型保留了U-Net的多尺度特征融合优势，同时增强了深度网络的训练稳定性和深层特征提取能力。目前，ResU-Net已在西湖凹陷平湖地区和塔里木盆地顺北油田的复杂断层识别中取得了良好应用效果（Wang et al., 2025; Di and Liu, 2025）。然而，这些研究通常仅依赖单一合成样本约束，合成训练样本与实际野外地震响应之间存在显著差异，加上野外标注样本稀缺，仍然限制了其在特定工作区的泛化能力。

迁移学习通过从预训练模型转移知识，为标注样本不足提供了可行的解决方案。结合结构数据增强，已在深部和碳酸盐岩地层等复杂地质条件下的地震断层识别和储层表征中得到成功应用（Lu et al., 2021; Wang et al., 2022; Wang, Z. et al., 2023a, 2023b; Liu et al., 2025）。

尽管深度学习在自动断层识别方面取得了进展，但应用于西湖凹陷的现有模型仍依赖单一合成样本约束，合成训练数据与实际野外地震响应之间的域差异，加上野外标注样本的稀缺，限制了其在特定工作区的泛化能力和区域适应性。为克服这一差距，本研究在西湖凹陷平湖地区应用了双重地质约束策略，集成了理论标签地质先验约束和人工标签迁移学习约束。理论标签是指通过合成地震正演模拟生成的、几何位置精确已知的断层标签，区别于人工解释的野外标签。第一约束将研究区的典型区域构造组合嵌入合成样本构建中，使模型能够预学习局部断层发育特征。第二约束采用少量高质量的野外人工解释样本进行迁移学习微调，以缩小合成数据与实际地震数据之间的响应差异。主要研究内容包括：分析西湖凹陷平湖地区断层系统的发育特征和空间组合规律，构建嵌入地方构造样式的理论标签库以实现第一地质先验约束，构建适应地震断层分割的ResU-Net网络架构，制定针对性迁移学习策略以完成模型微调并实现第二实际地质约束，以及通过研究区实际三维地震数据验证方法的适用性。通过将区域地质认知与数据驱动深度学习相结合，所提出的双重地质约束策略有效提高了断层识别的泛化能力和区域适应性，为复杂断层的智能识别提供了技术支持。

小节片段

区域地质背景
西湖凹陷位于东海陆架盆地东部凹陷带，是盆地内最大的中生代—新生代含油气凹陷，总面积为5.18×10? km2。构造上，西侧以海礁隆起和鱼山东低隆起为界，东侧以钓鱼岛褶皱带为界，南侧以调贝凹陷为界，北侧以富江凹陷为界。地层序列自下而上由古近系古新统、始新统巴石……组成。

ResU-Net网络构建
ResU-Net网络集成了U-Net的对称编码器-解码器架构和ResNet的残差学习机制，能够同时保留高分辨率空间信息并有效提取深层复杂地质特征。该网络由三个核心模块组成：编码器下采样模块、解码器上采样模块和输出预测模块（Jiao et al., 2025）。

在编码器中，多个残差块串联形成……

双重地质约束下的智能断层识别流程
本研究所采用的实验数据为西湖凹陷平湖地区的实际三维地震数据。三维数据的内联范围为4275–6650，外联范围为4760–6600，时间域范围为0–6000 ms。野外数据的时间采样间隔为2 ms，空间道间距为12.5 m × 12.5 m。为构建双重地质约束下的数据集并实现对深度学习模型的系统优化，本研究设计了闭环迭代优化……

双重地质约束的协同机制
本研究提出的双重地质约束策略是模型性能提升的核心。第一层理论标签先验约束通过构建嵌入平湖地区阶梯状断层台阶和花状构造的区域典型样本，使ResU-Net模型在初始训练阶段获取目标区特殊断层组合模式的基本认知，减少了模型对合成样本的过度依赖……

结论
针对西湖凹陷平湖地区广泛发育的花状构造和阶梯状断层台阶导致的复杂断层系统识别技术难题，以及传统识别方法精度和效率不足的问题，本研究提出了一种在双重地质约束下集成了理论标签先验约束和人工标签迁移学习约束的ResU-Net断层识别方法。主要结论如下……

利益冲突声明
作者声明不存在任何已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

CRediT作者贡献声明
Xie Qinghui：写作—审阅与编辑、写作—原稿撰写、可视化、验证、监督、软件、资源、项目管理、方法论、调查、经费获取、形式分析、数据整理、概念化。
Fan Hongche：验证、写作—审阅与编辑。

未引用参考文献
Wang et al., 2025; Wang et al., 2023.

资金来源
本研究得到了福建省自然科学基金（编号：2023J05053）的支持。

利益冲突声明
作者声明不存在任何可能影响本手稿中报告工作的经济或个人关系。没有需要披露的潜在利益冲突。

致谢
作者声明本工作由谢清辉独立完成。研究及手稿准备过程中没有额外的人员或机构提供协助。

Xie Qinghui | Fan Hongche
土木工程，福建理工大学，中国福州