在地质勘探中,一个十分关键的部分就是地震资料解释,而断层解释则是地震资料解释中的核心与基础。断层的解释对地壳发展构造和天然气、石油等的开采与分布都有着非常重要的影响。最初,地质研究人员在解释断层时都是选择人工的方式,对三维体数据的层位面进行手动解释。但是这样的解释办法存在耗时久、高难度以及无法重复验证等缺点,并且解释流程繁杂,误差较为明显。而后一系列利用计算属性的方法进行断层识别被不断提出,但是地震属性选择与计算往往较为复杂。而随着人工智能和卷积神经网络技术的飞速发展,基于卷积神经网络的技术用于断层自动识别使得提高海量地震数据下的三维断层识别的效率与精度成为可能,也因此成为了一个非常关键的研究方向。本文从三维地震振幅体数据出发,研究并提出了基于卷积神经网络的断层曲面提取与重建的方法,主要分为断层的识别及断层曲面提取和重建两大部分。本文的主要工作及创新如下:1.针对人工大量解释断层困难及地震属性计算复杂的问题,本文提出了一种基于卷积自编码器神经网络的断层识别方法。利用卷积自编码器神经网络从大量地震振幅体数据中自动学习特征,避免手工选择和计算属性特征的不确定性。利用无监督学习地震振幅数据的优势,卷积自编码器神经网络与传统的卷积神经网络断层识别方法相比,本方法具有更好的断层识别效果。2.为了实现更加快速准确的断层识别,本文提出了一种基于全卷积网络来对三维地震振幅体数据进行断层识别的方法。使用全卷积网络来进行断层识别能够建立一个快速的端到端的断层语义分割模型,并可以得到更加精准的断层识别结果。3.为了实现断层曲面的可视化,本文提出了一种断层曲面提取与重建方法,该方法先采用了结合距离场和细化的骨架提取方法,来得到反映断层空间拓扑形态的三维断层点云。然后使用一种快速直接的三维断层曲面重建方法,使得重建的断层曲面不仅连续性好,也保留了断层本身复杂的空间拓扑形态。本文通过对中国西南B区实际三维地震振幅数据来验证本文提出的方法,实验结果表明,本文提出的基于卷积神经网络的断层曲面提取与重建方法完成了高效准确的断层识别,并最终快速重建出连续且符合其本身空间形态拓扑的断层曲面。