第30卷第1期0引言断层识别和解释是地震资料解释的一项主要工作和结果［1￣2］。断层是地壳内部运动所形成的一种常见地质现象，要对断层进行解释，首要的问题就是在地震剖面上把它识别出来。目前的断层识别和解释方法已完全实现了人机交互的解释过程［3］，常见断层识别方法主要有利用地震剖面识别断层、井断点引导断层识别技术、基于地震属性的断层识别方法［4￣5］，发展较为成熟的技术主要有相干体技术［6￣7］、曲率属性［8］、方差体技术［9］等。随着人工智能技术的快速发展，越来越多的机器学习方法被地球物理学者应用到断层解释中［10￣14］。常见的机器学习算法主要有回归算法、遗传算法、卷积神经网络、支持向量机等［15￣18］。回归算法是一种适用于预测线性数值的监督学习方法。遗传算法主要用于有监督方式的特征提取及最优化算法。支持向量机在解决CNN算法的损失函数优化及在低信噪比资料中的应用李辉1，阎建国1，陈榆桂1，孟辉2（1.成都理工大学地球物理学院，四川成都610059；2.中国石油集团东方地球物理勘探有限责任公司，河北涿州072750）摘要深度学习CNN算法的核心之一是其利用损失函数完成反传机制达到各层网络之间的优化，因此，不同的损失函数及反传机制带来训练阶段人工神经网络模型不同的网络优化效果，其影响了机器学习算法的泛化能力及预测效果。基于此，文中提出了一种改进的带惩罚系数的损失函数，解决了在断层识别问题中因正负样本的数量高度不均衡导致的网络朝着错误方向收敛的问题。将其用于网络中指导训练，通过不同损失函数下的网络模型对理论数据和实际数据的识别结果，证明了这种方法的有效性和适用性。在低信噪比资料中的断层识别中，这种改进的优化网络，能够得到更稳定和更可靠的断层识别结果，为研究区潜山内幕小断层及断缝系统识别提供一种高效可靠的方法技术。关键词Unet；反传机制；惩罚系数；断层识别；损失函数；低信噪比资料中图分类号：TE132.1+4；P618.13文献标志码：A收稿日期：2022￣07￣08；改回日期：2022￣11￣06。第一作者：李辉，男，1995年生，在读硕士研究生，研究方向为深度学习、油气地球物理勘探。E-mail：1229685850@qq.com。通信作者：阎建国，男，1960年生，副教授，博士，研究方向为地震勘探。E-mail：yanjianguo@cdut.edu.cn。引用格式：李辉，阎建国，陈榆桂，等.CNN算法的损失函数优化及在低信噪比资料中的应用［J］.断块油气田，2023，30（1）：107￣113.LIHui，YANJianguo，CHE...
