唐 杰，孙成禹，张繁昌

（中国石油大学（华东）地球科学与技术学院，山东青岛 266580）

0 引言

在教学过程中，培养学生的学习兴趣是为学生树立终身学习观念的至关重要的一点，激发学生的科学动机是提高其科学素养的重要途径，学生的学习兴趣、学习态度和学习动机会影响他们对科学的认知和科学素养的形成。通过培养学生的学习兴趣和科学动机，学生能够获得认知成就，从而进一步改善其学习态度，提高学生的科学表现，获得科学动力［1-3］。科学动机的培养，包括外部过程导向（出勤），内部过程导向（兴趣），外部成果导向（实验效果）和内部成果导向（理解程度），鼓励学生在课堂上的积极表现，提升学生思考问题和解决问题的能力，能够有效地促进学生学业成绩的提升。深度学习（Deep Learning）作为机器学习的重要分支，近几年来在众多学科、领域内都取得了颇具突破性进展。深度学习是一种对数据进行特征学习的方法，并能够建立、模拟人脑的神经结构，仿照大脑面对信息时的处理模式，自动对目标数据进行解释工作，将深度学习相关方法引入教学实践中，能够激发学生的兴趣，提升学生处理实际问题的能力［4-5］。

地球物理专业是一门实践性很强的学科，因此在教学过程中，既要使学生掌握“三基”和初步掌握解决实际应用问题的技能，又要通过实验和教学实习等实践性课程巩固和加深课堂知识，培养学生观察、分析和解决问题的能力［6-7］。让学生能在完成实验的同时树立严肃认真和实事求是的态度，培养理论和实际相结合的科学作风，锻炼学生实际动手操作的能力以及分析问题和解决问题的能力［8-9］。断层检测是地震数据解释中的一个非常经典的问题，并且作为油气生产勘探数据处理中的重要过程，非常适合作为地球物理专业实验教学的主题。因此，设计了基于深度学习的断层检测教学实验。

1 实验基本原理

断层检测是地震资料解释的一项重要工作，而人工断层解释耗时较长并且具有极强的主观性，传统的边缘检测属性往往会产生模糊的断层图像，并且这些属性对不同性质的不连续性非常敏感，其中许多与断层无关［10-11］。深度学习是可以模拟人脑思维机制的有智能、能自主学习的算法，通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习和发掘数据中更有用的特征，从而更加精准的完成分类或预测任务［12-13］。基于深度学习的断层检测方法，原理是将断层检测视为一个语义分割任务，使用人工合成的断层训练数据库对搭建的U-Net 网络进行训练并测试，训练完备后便可应用于实际地震数据中的断层预测。

2 实验教学设计

2.1 实验教学流程设计

基于认知学习理论方法，学习是通过认知结构的构建和转换来进行的，在实验教学过程中促进学生积极参与，学生在学习过程中通过处理和重组所学知识激发学生的创新性。通过学习深度学习理论基础知识，围绕断层检测这一重要知识点设计实验，引导学生根据所提工作任务，完成实验测试与分析，在教学过程中要在教师的引导下分析任务目标，针对所要求的任务目标，设计合理的实验操作流程，有计划有步骤地解决问题。基于U-Net网络的断层检测实验教学流程如图1 所示，主要包括：相关理论知识的讲解、学习UNet网络、U-Net网络的训练、训练效果的测试与分析、对实际数据进行断层预测并分析，最后得出结论。

图1 断层检测实验教学流程图

通过实验教学可以培养学生的科学动机，在教学中可以改进优化实验内容，提升学生的学习兴趣，创建以学生为中心的学习环境，支持学生独立学习和独立编程的自主权，充分利用学生的潜力和学习能力；强调理论教学内容和实验教学内容的相辅相成，注重学生实验的主体性和教学双方的互动性，强化学生对于所学知识应用效果的深入认识。学生通过亲身参与实验可获得认知成就感，掌握处理实际问题的能力，进而提升内在科学动力。通过该教学流程，学生可以很好地将理论知识和实际数据结合起来，不仅有利于加深对理论知识的掌握，同时还能提高创新能力。

2.2 U-Net网络

深度学习是一种对数据进行特征学习的方法，并能够建立、模拟人脑的神经结构，仿照大脑面对信息时的处理模式，能够自动对目标数据进行解释工作。在教学过程中首先向学生讲授U-Net 网络的设计思路，并结合U-Net程序介绍其特点，U-Net网络最初设计应用于生物医学分割任务，其网络结构由用于下采样的收缩路径和用于上采样的对称扩展路径组成。在收缩路径中，利用连续的卷积池化层提取图像中的特征信息，数据大小随着通道数目的增加而减小，并且数据大小在底部达到最小值；与之相反，在扩展路径中，数据的大小随着通道数的减少而变大，最后恢复到与原始数据相同并输出结果。如图2 所示给出了向学生提供的U-Net网络结构，学生可以学习并了解该网络的主要模块。

图2 U-Net网络结构

2.3 网络训练

本次教学实验基于Tensorflow 搭建的U-Net 网络模型来实现，使用大小为128 ×128 的训练样本组成的训练集对网络模型进行训练和测试。由教师提供训练数据集，训练集共包含2 500 个训练样本，将其中2 300 个数据划分作为训练数据、200 个数据作为验证数据；测试集包括128 个数据，3 者是严格不相交的，教师提供的合成地震数据剖面及其对应的断层标签数据如图3 所示。此外还可以引导学生自己拾取断层标 签数据，丰富训练数据库。

图3 合成地震数据及其对应的断层标签

训练结束后得到准确度（Accuracy）曲线和损失（Loss）曲线如图4 所示。向学生讲授如何结合训练准确度和损失曲线来分析训练效果，理论与应用相结合。通过分析可知网络在训练过程中的准确度逐步上升且在趋于97.2%左右时保持稳定，损失值逐步下降并保持稳定。从网络的训练准确度和损失曲线可以初步判定U-Net网络得到了正确有效的训练。

图4 训练准确度和损失曲线

2.4 数据测试分析

为了检验网络模型的训练效果，使用模型数据测试集对网络进行测试，测试结果如图5 所示。由图5可见，训练完备的U-Net 网络可以准确且完整地预测出地震数据中的断层位置。

图5 模型数据断层检测测试结果

为了进一步让学生了解所训练的网络对实际数据中断层的检测能力，选用了某一工区的实际数据进行测试。实际数据断层结果如图6 所示，由图6 可知训练后的网络能够有效地识别实际地震数据中的断层信息，结合这个结果，进一步向学生教授深度学习构建网络的泛化能力。由图6 还可见，其中的大断层和较为明显的小断层基本都能被准确地检测出来，这进一步说明了U-Net 网络具有很强的实际数据断层检测能力，有望应用于实际生产工作中。虽然在检测实际地震数据中的断层时，网络只检测到了数据中的大断层和较为明确的小断层，但是网络的断层检测性能仍然可以通过在训练数据集中增加实际数据训练样本来提高。因此，在实际生产应用中解释某一工区的实际地震数据体时，解释工作人员可以选择并手动拾取部分地震数据体中的断层，将其添加至训练数据集中对网络进行再训练，便可以进一步提高网络性能和对本工区内地震数据中断层的检测准确度［14-15］。

图6 实际数据断层检测测试结果

2.5 结论与评价

综合科学动机和认知成就对学生做出综合性的评价，评价最终成绩时综合考虑多个方面，如课堂出勤、程序编写效果、报告状况以及在课堂以外完成的附加实验分析等。考核的目的不仅是学生对于理论知识的理解和掌握，更重要的是将理论知识转化到实际的应用中去，从学到的方法中分析实际问题，解决实际问题，从而将理论和实验结合起来。

让学生针对程序运行的结果进行调试分析和讨论，保存程序源代码文件和图形成果文件，将编程实验成果结合理论知识制作成Word 文字报告和PPT幻灯片，进行展示、讲解、讨论和评价。学生在完成对基于深度学习断层检测的结果分析处理后，不仅要对所做的实验进行分析总结，更要发挥自己的想象力，突破实验本身的限制，对实验原理方法进行深入的思考，为网络模型设置不同的网络层数、激活函数、学习率、优化函数等参数进行调整测试，分析不同参数对网络训练和预测结果的影响，加深对理论知识的理解。

为了对比理论教学与实验教学的实验效果，分别在两阶段进行问卷调查和知识考核，得到表1 所示数据。实验教学是人才培养的重要环节，是培养学生创新精神，增强独立工作能力，获得本专业技术和管理能力的重要过程。学生实验期间必须明确记录实验内容，对实验工作进行总结。通过学习与实验，同学们把课堂上学到的理论知识进行了应用，加深了对理论知识的理解，对专业知识有了更深刻的认识，而且培养了学生独立思考、灵活运用知识的能力，提高了学生的创新能力及综合素质。通过实验教学拓展了教与学的空间，把教的任务由传授知识为主转变为以服务和引导学生为主，整个教学活动的中心实现了从教师到学生的转变，学生角色更是从被动接受知识转变为主动应用、探索知识。此外问卷调查结果也表明，通过实验教学，学生上理论课的积极性也得到很大提高，教学效果得到明显提升。

表1 实验效果评估表

3 结语

结合深度学习的最新发展，在教学过程中设置了一种基于U-Net 的地震数据自动断层检测的方法实验，该网络模型以地震数据为输入，能够准确预测断层位置。能够模拟人类的经验，并通过不断扩充训练库进行训练而不断发展，在地震解释的这一关键步骤自动化方面显示出巨大的希望。通过教师对实验环节的设计，教学过程中主要以科学动机的培养为主，提高学生自主学习和主动思考的能力，突破传统教育模式，结合最新科学进展，培养学生的认知成就获得感，通过合理正确的引导，充分开拓学生的思维，提高学生的动手能力，将扎实的理论基础知识应用到更深的层次，更高的领域，实现了理论课的“理论-实验-应用”一体化教学模式。结果表明，基于U-Net 的断层检测教学实验设计，不仅有利于学生对抽象理论概念的理解，使学生深刻地掌握断层检测的理论和方法，而且学生实现从被动接受知识到自主学习、探索知识、主动应用的角色转变，实现由获取知识到应用创新的突破。

·名人名言·

成功的科学家往往是兴趣广泛的人。他们的独创精神可能来自他们的博学。多样化会使人观点新鲜，而过于长时间钻研一个狭窄的领域，则易使人愚蠢。

——贝弗里奇