基于深度学习U—Net网络的地质目标识别——以铁矿为例

地质大数据时代到来，大量地质数据为更准确的地质目标识别提供了可能，也为地质数据处理带来了巨大压力。深度学习技术可以对大批量地质数据进行特征学习，用概率预测结果表示地质目标的分布，为地质目标识别提供了新的思路和方法。本文采用深度学习方法，以铁矿识别为例，探索利用U-Net网络学习区域物性特征、构造条件等与地质目标的空间耦合关系，从而实现多源物性数据中铁矿地质目标的识别。经过多轮基于U-Net网络的地质目标识别测试，发现U-Net模型在铁矿识别任务中表现良好，能够从多源物性数据提取地质目标信息，实现高效的地质目标识别；U-Net模型从地质数据中识别地质目标的效果依赖于地质数据本身对地质目标与地质背景的区分能力。