（通讯员 杨玲）我校地球物理与石油资源学院微地震课题组在微地震智能处理领域取得重要进展。相关研究成果在石油行业核心期刊《地球物理学进展上发表》，论文题为《半监督生成对抗网络对提高神经网络微地震事件识别率的有效性研究》，该论文第一作者为地物学院硕士研究生周诗洁，通讯作者为其导师毛庆辉副教授，该研究受国家自然科学基金重点项目和国家自然科学基金青年项目联合资助。

精准识别微地震事件是微地震监测数据处理工作的基础。针对深度学习方法识别微地震事件精度不高的问题，该研究首先以井中微地震监测数据构建基础的半监督生成对抗网络分类模型，其包含模拟真实数据分布的生成器和识别微地震事件的判别器；然后引入层归一化方法以降低判别器的训练损失；同时对生成器引入卷积插值方法处理，提高了自主学习挖掘信号细节特征的能力。为了验证提出方法的有效性，以实际压裂监测微地震数据作为数据集样本，对模型进行训练测试，试验结果表明：基于半监督生成对抗网络的识别方法比基于卷积神经网络的识别方法的准确率和精确率更高，且模型收敛速度更快，训练效果更稳定；改进后的半监督生成对抗网络识别模型的测试集准确率可达到97%，且各项测试指标均有提高；改进方法可更好地学习微地震事件的形状特征，有效识别微地震事件样本，从而提高了基于神经网络分类模型的微地震事件识别率。

论文全文链接：http://www.progeophys.cn/article/doi/10.6038/pg2025II0220

长期以来，地物学院微地震课题组聚焦油气储层水力压裂监测关键技术，围绕微地震智能识别、震源精准定位、裂缝解释开展持续攻关，着力破解油气开采现场监测数据处理效率低、精度有限等工程难题，持续推动微地震监测技术落地应用。团队系列研究成果先后发表于《Journal of Geophysics and Engineering》《Acta Geophysica》《石油地球物理勘探》《石油物探》《地球物理学进展》等国内外地球物理领域高水平期刊，形成了完整的理论与技术研究体系，充分展现了地物学院研究生扎实的科研创新能力与学科团队强劲的科研攻坚实力。

（审核 盛广龙 编辑 余为）