根据区块的层位和断层解释情况，对该区块进行了三维建模，最终的3D地质模型如图所示：
数据构建：
我们用来训练和测试网络模型的最终地震模型并不是F3的全部区域。为了满足网络运算，我们还从目标训练数据切割小块数据进行训练。对于非常大的地震体数据，这种方法比使用整个剖面进行训练更可行。在训练时，从训练集的inlines和crosslines线中随机抽取地震数据块及其相关标签。在测试阶段，模型在inlines和crosslines方向上对重叠的小块数据进行采样，并对结果进行平均，以生成inlines或crosslines的二维标记测试集。
结合工区的整体数据存在缺失等情况，我们使用的数据在inline100至701、crossline300至1201之间，以及1005至1877之间深度的范围，。Inline 300和crossline 1000将整个区域分为四个部分。其中西北区域用于训练，而西南区域构成测试集1。
整个地震相分为了6类：
生成训练集
训练集数据包括：train_seismic.npy和train_seismic.npy，分别为地震数据体和对应的地震相分类标签。
在机器学习的应用程序中，仔细选择训练集和测试集都是至关重要的，在地震数据中尤其如此。因为相邻的剖面高度相关，随机选择训练和测试区域将实现更好的测试结果，而这些结果并不代表测试模型的实际泛化性能。因此，尽可能减少训练集和测试集之间的相关性非常重要。确保训练集和测试集对数据集中的所有类都有足够的表示也很重要。
本文随机选择7个测井的数据来生成训练集。这样相当于模拟在工区打下了7口测试井，然后搞清楚测井的地震相情况。
选取坐标点包括：
