欢迎访问《现代矿业》杂志官方网站，今天是
分享到：
×
摘要： 为解决传统机器学习方法识别断裂构造能力较差的问题，提出了基于卷积神经网络的 UNet++网络结构模型用于识别地质断层。模型的建立过程中引入了不同注意力机制与损失函数，可 以更好地实现语义深度学习与特征融合，并进行了相关性指标分析与图像分析。结果表明：WCE损 失函数对应的预测图具有最清晰的输出效果，ECA+UNet++模型利用 WCE 损失函数的训练效果最 佳，识别的准确率也更高。将采用WCE损失函数的ECA+UNet++模型在官渡河煤矿断层区域进行应 用，可以对断层位置进行智能识别，并且对地下噪音的降噪处理较好；表明采用引入ECA注意力机制 的UNet++网络结构模型能保证对断层识别的效率与精度。
皖公网安备34050402000109号 皖ICP备05002078号-6