来源：期刊VIP网 时间：
作者：叶茂林;王庆;张昌民;秦声炟;
单位：长江大学地球科学学院;
摘要：自从分支河流体系的概念被提出，研究分支河流体系河道参数对油气储层预测和地质工作至关重要，但人工测量方法耗时耗力。为了能够自动化地提取分支河流体系河道参数，便于对其进行研究表征，提出一种基于深度学习和形态学的分支河流体系河道识别与参数提取方法。首先，提出Segformer网络模型与ASPP模块融合优化的Seg＿ASPP网络模型，用于生成河网掩膜；随后使用累计成本和多项式拟合算法提取河流掩膜中心线，并设计一种根据掩膜中心线提取分支河流体系河道长度、宽度和弯曲度的方案；最后，选取柴达木盆地格尔木地区的分支河流体系区域作为实验区，使用多个深度学习模型对分支河流体系的河道进行预测。与Seg＿ASPP网络模型提取掩膜的精度进行对比评估，将使用该方法自动提取得到的参数值与人工测量的真实值进行误差对比，河道长度、宽度和弯曲度的相对误差平均值分别为10.22%、13.57%和5.41%；通过格网化方法，对格尔木实验区的分支河流体系的河流扇进行定量表征，根据参数距顶点距离不同的变化，将该分支河流体系分为辫状河段、辫曲共生段和低弯曲度河段。
关键词：遥感;;语义分割;;分支河流体系;;深度学习;;参数提取
基金资助：国家自然科学基金项目“分支河流体系沉积模式与储层定量预测模型”（42130813）
