永利6774app手机版官网副教授羅水亮在期刊《Energy Science & Engineering》上發表題為“Fault Recognition Method and Application Based on Generative Adversarial Network”的研究論文。永利6774app手机版官网為論文第一署名單位，羅水亮副教授為第一通訊作者。

該研究針對複雜地下地質條件與地震數據特征多變背景下，深度學習在斷層識别中泛化能力不足、合成數據訓練的模型難以直接應用于實際數據預測等問題，提出基于GAN-UNet的深度特征融合方法。模型采用U-net架構作為主幹網絡，同步提取正演合成數據與真實地震數據的深層特征，通過對抗機制使判别器無法區分特征來源，從而挖掘兩類數據的本質共性特征，最終結合斷層分類器實現精準識别。以北海F3區塊和西部深盆實際地震數據為測試對象，實驗表明該方法相較傳統深度學習模型在斷層識别精度和複雜地質适應性方面具有顯著優勢，識别結果邊界清晰且與地質構造匹配度高。該成果為地震斷層智能解釋提供了魯棒性強、跨域适應性佳的新思路，對複雜構造區油氣勘探開發具有重要實踐價值。

論文鍊接：https://scijournals.onlinelibrary.wiley.com/doi/10.1002/ese3.70086

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

eISSN: 2050-0505

圖1 生成對抗網絡示意圖

圖2 基于不同深度網絡模型的斷層識别結果（空間，底圖為地震數據）

圖3 論文首頁