地球科学学院副教授罗水亮在期刊《Energy Science & Engineering》上发表题为“Fault Recognition Method and Application Based on Generative Adversarial Network”的研究论文。长江大学地球科学学院为论文第一署名单位，罗水亮副教授为第一通讯作者。

该研究针对复杂地下地质条件与地震数据特征多变背景下，深度学习在断层识别中泛化能力不足、合成数据训练的模型难以直接应用于实际数据预测等问题，提出基于GAN-UNet的深度特征融合方法。模型采用U-net架构作为主干网络，同步提取正演合成数据与真实地震数据的深层特征，通过对抗机制使判别器无法区分特征来源，从而挖掘两类数据的本质共性特征，最终结合断层分类器实现精准识别。以北海F3区块和西部深盆实际地震数据为测试对象，实验表明该方法相较传统深度学习模型在断层识别精度和复杂地质适应性方面具有显著优势，识别结果边界清晰且与地质构造匹配度高。该成果为地震断层智能解释提供了鲁棒性强、跨域适应性佳的新思路，对复杂构造区油气勘探开发具有重要实践价值。

论文链接：https://scijournals.onlinelibrary.wiley.com/doi/10.1002/ese3.70086

(https://doi.org/10.1002/ese3.70086)

eISSN: 2050-0505

图1 生成对抗网络示意图

图2 基于不同深度网络模型的断层识别结果（空间，底图为地震数据）

图3 论文首页