💡这项突破是什么?
基于地震反射数据的快速智能断层识别，对资源勘探与地震灾害研究都具有深远意义。尽管传统深度学习方法取得显著进展，但在全局特征建模与抗噪能力等方面仍存在局限，且忽视地震反射数据的物理特性，导致识别结果缺乏物理一致性。本项研究首次将U形残差网络（URNet）（Yang et al.,2024;2025）与轴向-空间注意力机制（TSA）应用于地震反射数据的智能断层识别（图1）。此外，本研究进一步提出一种基于傅里叶正逆变换的频域数据增强方法（图2）：对合成数据与实际数据分别进行傅里叶正变换，将频谱表示分解为振幅与相位；随后将两者的振幅信息进行融合，并与合成数据的相位共同组合，再通过逆傅里叶逆变换生成增强样本。该策略在保持合成数据相位所承载的构造信息的同时，引入实际数据的振幅谱特征，从而缩小合成数据与真实资料在频谱特性上的差异，增强模型在噪声扰动与弱反射区域的泛化能力与识别稳健性，并提升断裂识别结果与实际地震反射响应特征的一致性。
图1 URNet-TSA神经网络结构图示
图2 傅里叶正逆变换方法图解
本研究由中国地震局地质研究所博士生杨晶、鲁人齐研究员、陶玮研究员、王康和刘冠伸博士，以及德国TU Bergakademie Freiberg大学的Stefan Buske 教授等共同合作完成，形成了一套更适配三维地震反射数据体、兼顾精度提升与鲁棒性增强并引入物理一致性约束的断层智能识别技术路线。
在多组三维地震反射数据体的对比实验中，所提方法在定量评价指标与解释可用性两方面均优于U‑Net、URNet、ViT‑3D、Swin3D、UNETR以及FaultNet、FaultSeg3D 等基线模型（图3）。尤其在噪声干扰较强与弱反射响应区域，引入傅里叶域正–逆一致性约束能够有效抑制噪声引起的伪响应，提升断层几何连续性，并增强细节刻画的稳定性与鲁棒性。实验结果表明，将注意力机制与频域一致性约束融合到三维地震断层识别框架中，可显著增强模型对复杂构造样式及强噪声环境的适应能力，为断层智能解释提供了一条具有物理约束意义的可行技术路径。此外，采用点云重建方式对断层面进行三维空间可视化展示的结果表明，URNet-TSA的识别效果明显优于URNet（图4）。断裂的精细刻画与连通性提升，使得断层网络的分级特征、组合样式及其对构造分带的控制关系得以在多尺度上被稳定识别，从而为地震构造厘定与断裂几何体系提供了更具约束性的解释视角。
图3 荷兰F3区块数据断裂识别效果：（a） URNet网络断裂识别效果，（b） URNet-TSA网络断裂识别效果，（c） U-Net网络断裂识别效果，（d） ViT-3D网络断裂识别效果，（e） UNETR网络断裂识别效果，（f） Swin3D网络断裂识别效果，（g） FaultNet网络断裂识别效果，（h） FaultSeg3D网络断裂识别效果。
图4 Kerry3D数据断裂智能识别效果及三维点云建模：（a） URNet网络断裂识别效果，（b） URNet-TSA网络断裂识别效果
本项研究由中国地震局地质研究所基本业务专项重点项目（IGCEA2406）和深地国家科技重大专项（2024ZD1000500）资助，近期发表于国际期刊Engineering Applications of Artificial Intelligence（中科院1区TOP）：
Yang J, Lu R, Buske S, et al. Intelligent fault detection in seismic data using U-shaped residual network-temporal-spatial attention mechanism with fourier forward-inverse transform constraints[J]. Engineering Applications of Artificial Intelligence, 2026, 166: 113671.
原文链接：https://doi.org/10.1016/j.engappai.2025.113671.
部分参考文献：
Yang, J., Lu, R.Q., Tao, W., Cai, M.G., Liu, G.S., Sun, X., 2024. MultiURNet for 3D seismic fault attributes fusion detection combined with PCA. J. Appl. Geophys. 221, 105296. https://doi.org/10.1016/j.jappgeo.2024.105296. ISSN 0926-9851.
Yang, J., Lu, R.Q., Tao, W., Liu, G.S., Guo, Z.W., Yang, X.H., Wang, K., 2025. Intelligent identification of sample-adaptive fracture systems and seismic structure analysis: a case study of the hutubi gas storage field.
