基于SVM算法的地震小断层自动识别

• 作者: 孙振宇 彭苏萍 邹冠贵
• 来源期刊: 煤炭学报
• 学科: 地球科学
• 关键词: 支持向量机 断层 自动识别 地震属性
• 年，卷（期）: 2017,（11）
• 页码范围: 2945-2952
• 页数: 8页
• 分类号: P631.4
• 字数: 6357字
• 语种: 中文
• DOI: 10.13225/j.cnki.jccs.2017.0972

摘要

为了提高小断层解释的准确率,构建基于支持向量机(SVM)算法的断层自动识别方法.通过分析构造部位和非构造部位地震属性特征,建立SVM两分类的断层识别模型.首先,研究支持向量机两分类算法的基本原理和结构,表明支持向量机在两分类问题上具有准确率高的优点;然后建立断层正演模型,分析不同地震属性的断层响应特征,表明断层分布与属性值变化趋势相关;通过对支持向量机算法和正演模型的分析,表明利用地震属性作为支持向量机的输入,预测小断层具有可行性.从叠后地震数据中提取方差、曲率等与断层相关的属性集合;通过相关性分析和聚类分析评估属性,确定4种互相关性低的地震属性.利用14口钻井、3条巷道的地震属性和断层信息共606个数据,选取400个作为训练样本,构造SVM断层识别模型;206个数据作为测试样本,进行断层识别,识别正确率达到98％.利用地震属性建立的SVM断层自动识别模型,能够有效识别小断层,降低人为主观因素的影响,缩短了解释周期;钻孔分布越均匀、数目越多,解释精度就越高.