基于改進(jìn)XGBoost的地震多屬性地質(zhì)構(gòu)造識(shí)別方法

楊楚龍, 王懷秀*, 劉最亮

(1.北京建筑大學(xué)電氣與信息工程學(xué)院, 北京 102616; 2.華陽新材料科技集團(tuán)有限公司, 陽泉 045000)

煤炭在現(xiàn)在以及將來很長一段時(shí)間仍為中國的最主要能源來源,是中國賴以生存和發(fā)展的物質(zhì)基礎(chǔ)[1]。進(jìn)入21世紀(jì)以來,大型化和向深處掘進(jìn)成為煤礦的發(fā)展趨勢,許多煤礦的地質(zhì)條件處于不穩(wěn)定狀態(tài),而煤礦的地質(zhì)構(gòu)造會(huì)引起礦井突水、瓦斯爆炸、塌方等一系列安全問題[2-4]。地質(zhì)構(gòu)造的存在嚴(yán)重威脅著礦井生產(chǎn)的安全,為此急需解決地質(zhì)構(gòu)造位置的預(yù)測,為提高煤炭的產(chǎn)量和保證煤礦安全提供有力的支持[5]。地震屬性可以用來預(yù)測地質(zhì)構(gòu)造,而這些地震屬性可以從三維地震勘探成果數(shù)據(jù)體中提取出來[6-7]。地震數(shù)據(jù)經(jīng)過一系列數(shù)學(xué)變換和處理,從中可以提取出關(guān)于地震波的幾何屬性、動(dòng)力學(xué)屬性、運(yùn)動(dòng)學(xué)屬性和統(tǒng)計(jì)學(xué)屬性,這些屬性就稱之為地震屬性。地震屬性經(jīng)提取后對其進(jìn)行分析利用,最后用來預(yù)測[8]。礦井中的地質(zhì)情況十分復(fù)雜,影響地質(zhì)構(gòu)造的因素眾多,利用單一的地震屬性往往不能夠準(zhǔn)確地識(shí)別出構(gòu)造,因此利用地震多屬性融合技術(shù)十分有必要。

地震屬性的研究早在20世紀(jì)90年代就開始了,何隆運(yùn)[9]于1992年將波形合成追蹤法融合地質(zhì)屬性,該方法建立了地震信息與地質(zhì)信息間的對應(yīng)關(guān)系,并利用此對應(yīng)關(guān)系解決了許多復(fù)雜的地質(zhì)問題,取得了良好的地質(zhì)勘探成果。進(jìn)入21世紀(jì)以來,隨著機(jī)器學(xué)習(xí)和人工智能的蓬勃發(fā)展,地震多屬性融合技術(shù)與各種算法的結(jié)合更加緊密。金龍等[10]將支持向量機(jī)(support vector machine,SVM)應(yīng)用于地震屬性融合,SVM是一種理論基礎(chǔ)嚴(yán)密、魯棒性強(qiáng)的機(jī)器學(xué)習(xí)算法,但是其在解決大數(shù)據(jù)量樣本以及多分類問題上具有一定的局限性。丁峰等[11]用主成分分析(principal component analysis,PCA)根據(jù)主分量對多個(gè)地震屬性進(jìn)行排序,取前3個(gè)主分量進(jìn)行RGB顏色融合,該方法可在一定程度上提高地震屬性分析的效率。但是PCA屬于“有損失”壓縮,會(huì)損失一些有用的信息。楊久強(qiáng)等[12]把深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于地震屬性的融合中,深度神經(jīng)網(wǎng)絡(luò)一般含多個(gè)隱藏層,理論上可以模擬任何的復(fù)雜函數(shù),對模型的擬合能力十分強(qiáng)大,但是其容易出現(xiàn)過擬合、梯度爆炸的問題。上述研究雖然取得了一定的成果,但是仍然存在著屬性選擇較為單一、不能全面反映地質(zhì)構(gòu)造特征的問題。

在大數(shù)據(jù)時(shí)代,各行各業(yè)都面臨著海量的數(shù)據(jù),但是這些數(shù)據(jù)大部分都存在類別不均衡的問題。面對此類問題,傳統(tǒng)的分類算法會(huì)自動(dòng)地忽略少數(shù)類,并把少數(shù)類樣本歸類到多數(shù)類樣本中以提高分類準(zhǔn)確率[13]。例如,在二分類問題中,多數(shù)類樣本的比例為98%,少數(shù)類樣本的比例為2%,分類器即使把任意樣本都預(yù)測為多數(shù)類,該分類器的準(zhǔn)確率都可以達(dá)到98%。該分類器會(huì)導(dǎo)致大量的少數(shù)類被分為多數(shù)類,這種情況在一些特殊應(yīng)用場所會(huì)造成嚴(yán)重后果。例如在醫(yī)院的癌癥診斷中,正常病例占大多數(shù),而真正的病例只占少數(shù),醫(yī)生關(guān)心的是怎么把這些真正的病例識(shí)別出來,在這種情況下把真正病例判斷為正常病例的代價(jià)非常大。類似的情況在電信詐騙檢測、煤礦地質(zhì)構(gòu)造識(shí)別中也很常見。

在實(shí)際礦區(qū)中,構(gòu)造體只占礦區(qū)的極少數(shù)部分,礦區(qū)大部分區(qū)域都為無構(gòu)造,而目前關(guān)于地質(zhì)構(gòu)造識(shí)別的研究大都沒有考慮這一因素。因此,在不平衡數(shù)據(jù)的情況下識(shí)別構(gòu)造體具有重要的現(xiàn)實(shí)意義。

為了克服上述問題,現(xiàn)提出一種基于邊界樣本分類算法(boundary sample classification,BSC)的合成少數(shù)類過采樣技術(shù)(synthetic minority over-sampling technique,SMOTE)算法BSC-SMOTE。BSC-SMOTE算法把處于正負(fù)樣本邊界的樣本進(jìn)行分類,只對“邊界樣本”進(jìn)行合成,有效地避免正負(fù)樣本邊界模糊的問題。再用平衡后的數(shù)據(jù)集訓(xùn)練極限梯度提升(extreme gradient boosting,XGBoost)分類器,并使用貝葉斯優(yōu)化(Bayesian optimization,BO)算法對該分類器進(jìn)行超參數(shù)尋優(yōu),最后使用優(yōu)化后的XGBoost分類器對構(gòu)造體進(jìn)行識(shí)別。

1 方法原理及其改進(jìn)

1.1 SMOTE算法原理及其改進(jìn)

合成少數(shù)類過采樣技術(shù)(SMOTE)[14]是由Chawla等于2002年提出的,該算法的提出主要是為了改進(jìn)隨機(jī)過采樣的弊端。隨機(jī)過采樣在合成新的少數(shù)類樣本時(shí),只是簡單的對樣本進(jìn)行復(fù)制,這種簡單的隨機(jī)復(fù)制容易導(dǎo)致算法模型過擬合,不利于模型的泛化能力。而SMOTE算法不是對少數(shù)類樣本進(jìn)行簡單的復(fù)制,而是根據(jù)一定的規(guī)則合成新的少數(shù)類樣本。但是SMOTE在生成新樣本時(shí)容易受樣本集分布的影響,容易發(fā)生分布邊緣化的問題,模糊樣本的邊界,如表1所示。

表1 SMOTE算法Table 1 SMOTE algorithm

SMOTE過采樣的主要思想是:對樣本集中每一個(gè)少數(shù)類樣本Xi,計(jì)算其到其他所有少數(shù)類樣本的歐式距離,然后對這些距離按從小到大的順序進(jìn)行排序,找出與其最近的K個(gè)樣本,最后按照式(1)對該樣本Xi與其K近鄰Xk進(jìn)行插值處理生成新的少數(shù)類樣本Xnew,其中rand(0,1)表示0～1的隨機(jī)數(shù)。SMOTE算法合成少數(shù)類的示意圖如圖1所示。

圖1 SMOTE示意圖Fig.1 Schematic diagram of SMOTE

Xnew=Xi+rand(0,1)|Xi-Xk|

(1)

SMOTE在生成新樣本時(shí)容易受樣本集分布的影響,發(fā)生分布邊緣化的問題。對處于多數(shù)類樣本與少數(shù)類樣本分界處的少數(shù)類樣本,在其選擇K近鄰樣本時(shí),這些鄰居樣本也分布在邊界上,因此插值產(chǎn)生的新樣本也處于邊界上,反復(fù)迭代產(chǎn)生的新樣本會(huì)模糊邊界。極端情況下,如果有少數(shù)類樣本分布于多數(shù)類樣本之中,那么由它合成的新樣本也會(huì)落在多數(shù)類樣本之中。在這種情況下,樣本集雖然得到了平衡,但是無形中給模型的分類增加了難度。

針對SMOTE算法容易模糊邊界的問題,提出了基于邊界樣本劃分的BSC-SMOTE算法,該算法強(qiáng)化了邊界的界限,使之更有利于算法的分類,如表2所示。該算法的主要思想是:對樣本集中每一個(gè)少數(shù)類樣本Xi,計(jì)算其到其他所有樣本的歐式距離,然后對這些距離按從小到大進(jìn)行排序,找出與其最近的K個(gè)樣本,如果其K個(gè)最近鄰中全部為多數(shù)類樣本則將此少數(shù)類樣本劃分為噪聲樣本,如果其K個(gè)最近鄰中有一半以上為多數(shù)類則將此少數(shù)類樣本劃分為邊界樣本,如果其K個(gè)最近鄰中有一半以上為少數(shù)類樣本則將此少數(shù)類樣本劃分為安全樣本。最后,只對邊界樣本按照式(1)進(jìn)行插值處理,對安全樣本和噪聲樣本不做處理。BSC-SMOTE算法合成少數(shù)類的示意圖如圖2所示。

表2 BSC-SMOTE算法Table 2 BSC-SMOTE algorithm

圖2 BSC-SMOTE示意圖Fig.2 Schematic diagram of BSC-SMOTE

1.2 XGBoost算法

在解決不平衡數(shù)據(jù)的分類問題時(shí),通常有兩種解決思路[15],一種是對數(shù)據(jù)集進(jìn)行平衡,使得改造后的數(shù)據(jù)集均衡;另一種思路是對算法層面進(jìn)行一些改進(jìn),例如使用集成學(xué)習(xí)算法。

XGBoost的全稱為extreme gradient boosting,可翻譯為極限梯度提升算法,是集成算法的一種。XGBoost是由陳天奇等[16]于2016年所提出的,自XGBoost提出以來,各種機(jī)器學(xué)習(xí)競賽均由XGBoost算法所統(tǒng)治。XGBoost具有運(yùn)行速度快,同時(shí)支持分類和回歸、精度高、擁有正則化、防止過擬合等優(yōu)點(diǎn)。XGBoost是在梯度提升樹(gradient boosting decision tree,GBDT)的基礎(chǔ)上進(jìn)行改進(jìn)的,GBDT只使用了一階導(dǎo)數(shù)信息,XGBoost在GBDT的基礎(chǔ)上還使用了二階導(dǎo)數(shù)信息,并且XGBoost可以自己定義代價(jià)函數(shù),其代價(jià)函數(shù)引入了正則項(xiàng)用于控制模型的復(fù)雜度,使XGBoost學(xué)習(xí)出來的模型更簡單,泛化性能更高。其主要思想為:先訓(xùn)練一棵樹,得到預(yù)測結(jié)果,把預(yù)測值和真實(shí)值的差值記作殘差,用殘差代替真實(shí)值。然后在第一棵樹的基礎(chǔ)上訓(xùn)練第二棵樹,得到第二棵樹的殘差,用殘差代替真實(shí)值,以此類推直到第K棵樹,最后把K棵樹的預(yù)測值加起來得到最終結(jié)果。

XGBoost是由k個(gè)基分類器集成的一個(gè)分類器,例如第t次迭代的樹模型是ft(xi),有

(2)

(3)

表3 XGBoost常用超參數(shù)Table 3 XGBoost common hyperparameters

用BSC-SMOTE算法平衡后的數(shù)據(jù)集訓(xùn)練XGBoost分類器,得到BSC-SMOTE-XGBoost模型。

1.3 貝葉斯優(yōu)化算法

貝葉斯優(yōu)化(BO)是一種全局優(yōu)化算法,具有高效性和魯棒性的優(yōu)點(diǎn),能夠在非常少的采樣次數(shù)下快速找到全局最優(yōu)解,因此被廣泛地運(yùn)用在超參數(shù)優(yōu)化、機(jī)器學(xué)習(xí)模型優(yōu)化、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索等領(lǐng)域。貝葉斯優(yōu)化算法的原理是通過貝葉斯公式,將先驗(yàn)分布和觀測數(shù)據(jù)結(jié)合起來,計(jì)算后驗(yàn)分布,并不斷更新后驗(yàn)分布,最終找到全局最優(yōu)解[17]。貝葉斯公式為

(4)

式(4)中:f為待優(yōu)化的函數(shù);D為已知數(shù)據(jù);P(f|D)為已知數(shù)據(jù)D的情況下,待優(yōu)化函數(shù)f的后驗(yàn)概率;P(D|f)為函數(shù)f的似然函數(shù),表示在函數(shù)f下,數(shù)據(jù)D出現(xiàn)的概率;P(f)為先驗(yàn)概率,表示對函數(shù)f的先驗(yàn)分布的假設(shè);P(D)為歸一化因子,用于將后驗(yàn)概率歸一化為概率分布。通過最大化后驗(yàn)概率P(f|D),可以找到最優(yōu)函數(shù)f*。在每次迭代中,貝葉斯優(yōu)化算法使用已知的數(shù)據(jù)D來更新函數(shù)f的后驗(yàn)概率分布,然后根據(jù)后驗(yàn)概率分布選擇下一個(gè)函數(shù)參數(shù)進(jìn)行評估。這個(gè)過程不斷迭代,直到找到最優(yōu)的函數(shù)參數(shù)。

用貝葉斯優(yōu)化算法對所得到的BSC-SMOTE-XGBoost模型進(jìn)行超參數(shù)尋優(yōu)得到BO-BSC-SMOTE-XGBoost模型,其中待優(yōu)化函數(shù)f為XGBoost的目標(biāo)函數(shù)obj。找到最優(yōu)函數(shù)f*就找到了XGBoost的最優(yōu)超參數(shù)組合。

2 地震屬性融合與篩選

2.1 數(shù)據(jù)獲取與分析

地震屬性可以用來解釋與預(yù)測地質(zhì)構(gòu)造,因此地震屬性被廣泛地運(yùn)用在煤礦地質(zhì)構(gòu)造的識(shí)別。以山西新元煤礦三維地震勘探成果數(shù)據(jù)體為基礎(chǔ),提取出12種地震屬性。這12種地震屬性分別為:傾角、最小振幅、最大振幅、瞬時(shí)相位、瞬時(shí)頻率、均方根振幅、方差體、相干體、曲率、主頻、瞬時(shí)振幅和平均能量。這12種地震屬性的最大值、最小值和平均值如表4所示?？芍?各個(gè)屬性之間極差以及平均值差異較大,加上各屬性的量綱不同,如果直接對這些屬性進(jìn)行融合,各個(gè)屬性之間的差異會(huì)影響最后數(shù)據(jù)融合的效果。為了消除各個(gè)地震屬性之間的差異,就需要對屬性進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。采用離差標(biāo)準(zhǔn)化消除各個(gè)屬性之間量綱的差異,并把各個(gè)屬性通過線性變換映射到[0,1]。離差標(biāo)準(zhǔn)化的轉(zhuǎn)換公式為

表4 地震屬性的數(shù)據(jù)分布情況Table 4 Data distribution of seismic attributes

(5)

式(5)中:x為原始屬性的值;min(x)為屬性最小值;max(x)為屬性最大值;x*為標(biāo)準(zhǔn)化后的屬性值。

以經(jīng)過標(biāo)準(zhǔn)化處理后的12種地震屬性作為數(shù)據(jù)集的特征,以山西新元煤礦有限公司前方實(shí)際揭露的地質(zhì)構(gòu)造作為數(shù)據(jù)集的標(biāo)簽,由此構(gòu)成數(shù)據(jù)集的特征和標(biāo)簽。數(shù)據(jù)集的標(biāo)簽為3類:無構(gòu)造(標(biāo)簽記為0)、陷落柱(標(biāo)簽記為1)、斷層(標(biāo)簽記為2)。其中斷層破壞了煤巖體內(nèi)部應(yīng)力場的初始平衡狀態(tài),使煤層發(fā)生滑動(dòng)位移,大規(guī)模的斷層會(huì)造成煤礦停產(chǎn)和工作面搬家,甚至?xí)斐赏杆?、瓦斯突水等安全問題[18]。陷落柱會(huì)影響煤層分布的連續(xù)性及穩(wěn)定性,同時(shí)陷落柱會(huì)對工作面的布置和推進(jìn)產(chǎn)生巨大影響,導(dǎo)致工作面的開采效率大幅降低[19]。通過對礦方提供的數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)已揭露的礦區(qū)中,無構(gòu)造區(qū)域占絕大多數(shù),而斷層和陷落柱只占一少部分。新元煤礦已揭露礦區(qū)數(shù)據(jù)分布情況如表5所示。

表5 已揭露礦區(qū)數(shù)據(jù)分布Table 5 Data distribution of exposed mining areas

由表5可知東翼勘探區(qū)無構(gòu)造標(biāo)簽數(shù)最多,數(shù)據(jù)的不平衡程度最高,且斷層和陷落柱較為發(fā)育,具有一定的典型性,故選取東翼勘探區(qū)作為研究區(qū)域。

2.2 地震屬性優(yōu)選

在選擇特征時(shí),如果特征選擇偏少,模型學(xué)習(xí)不到足夠的信息,會(huì)影響模型的效果。如果特征選擇過多,其中可能存在著噪聲,也不利于模型的學(xué)習(xí)。特征重要性是用來描述特征對于標(biāo)簽的重要性,特征重要性越大表明特征對于標(biāo)簽的貢獻(xiàn)越大,反之特征對于標(biāo)簽的貢獻(xiàn)越小?；バ畔⒎ㄊ且环N用來衡量特征與標(biāo)簽相關(guān)性的過濾方法,互信息法既可以用于回歸也可以用于分類,它的返回值在0～1,返回0證明特征與標(biāo)簽不相關(guān),返回1證明特征與標(biāo)簽完全相關(guān)?；バ畔⒌挠?jì)算公式為

(6)

式(6)中:X和Y為兩個(gè)隨機(jī)變量;x為隨機(jī)變量X可能取的值;y為隨機(jī)變量Y可能取的值;X和Y的邊緣分布分別為p(x)與p(y),聯(lián)合概率分布為p(x,y)。利用互信息法計(jì)算特征與標(biāo)簽之間的關(guān)系如圖3所示。

圖3 特征相關(guān)性Fig.3 Feature correlation

如圖3所示,所有的特征對于標(biāo)簽的相關(guān)性都大于0,證明所有的特征都與標(biāo)簽相關(guān),其中瞬時(shí)振幅與標(biāo)簽的相關(guān)性最大為0.141。但曲率、均方根振幅等特征與標(biāo)簽的相關(guān)性比較低,為了找出真正對算法模型有效的特征,以特征相關(guān)性為變量畫出學(xué)習(xí)曲線。首先以0～0.141為特征相關(guān)性的范圍畫出學(xué)習(xí)曲線,如圖4所示,可以看出,當(dāng)特征相關(guān)性閾值設(shè)為0.10左右時(shí),分類算法的準(zhǔn)確度可以達(dá)到最高。

圖4 大范圍學(xué)習(xí)曲線Fig.4 Large scale learning curve

進(jìn)一步縮小閾值范圍,以0.09～0.11為范圍畫出學(xué)習(xí)曲線如圖5所示。

圖5 小范圍學(xué)習(xí)曲線Fig.5 Small range learning curve

從圖5可以看出,當(dāng)特征相關(guān)性為0.102 5時(shí),算法準(zhǔn)確率達(dá)到最高,所以設(shè)置特征相關(guān)性閾值為0.102 5,即只保留相關(guān)性大于等于0.102 5的特征,小于0.102 5的特征全部舍去。通過屬性篩選,最后只保留了瞬時(shí)振幅、平均能量、最小振幅、主頻、瞬時(shí)相位和最大振幅這6個(gè)特征。

3 實(shí)驗(yàn)驗(yàn)證與分析

3.1 評價(jià)指標(biāo)

通常情況下,分類器性能的好壞可以使用準(zhǔn)確率(accuracy)作為評價(jià)指標(biāo),但是在數(shù)據(jù)集不平衡的情況下,單純比較分類器準(zhǔn)確率的高低沒有太大的意義。因?yàn)闇?zhǔn)確率把多數(shù)類分類錯(cuò)誤的代價(jià)和少數(shù)類分類錯(cuò)誤的代價(jià)沒有區(qū)分開,顯然把少數(shù)類分類錯(cuò)誤的代價(jià)比把多數(shù)類分類錯(cuò)誤的代價(jià)要大。此時(shí)可以使用精確率(precision)、F1(F1score)和召回率(recall)這些更加科學(xué)的指標(biāo)來評價(jià)模型,這些指標(biāo)都是建立在混淆矩陣的基礎(chǔ)上,混淆矩陣如表6所示。

表6 混淆矩陣Table 6 Confusion matrix

精確率的定義是所有預(yù)測為正類的樣本中真正是正類的比例,其計(jì)算公式為

(7)

召回率的定義是所有正確預(yù)測為正的樣本占所有實(shí)際為正的比例,其計(jì)算公式為

(8)

F1同時(shí)兼顧了精確率和召回率,是兩者的調(diào)和平均值,F1的值越大表示分類器越有效,其計(jì)算公式為

(9)

3.2 模型構(gòu)建

首先把東翼勘探區(qū)數(shù)據(jù)集按照7∶3分成訓(xùn)練集和測試集,對訓(xùn)練集運(yùn)用BSC-SMOTE算法進(jìn)行平衡,然后用平衡后的訓(xùn)練集訓(xùn)練XGBoost,再用貝葉斯優(yōu)化算法對XGBoost進(jìn)行超參數(shù)尋優(yōu),最終形成了BO-BSC-SMOTE-XGBoost模型。貝葉斯優(yōu)化算法尋優(yōu)的過程和模型訓(xùn)練過程如圖6和圖7所示。

圖6 貝葉斯優(yōu)化過程Fig.6 Bayesian optimization process

圖7 模型訓(xùn)練過程Fig.7 Model training process

如圖6所示,當(dāng)?shù)螖?shù)為30次時(shí),模型取得了最小誤差值,即XGBoost的目標(biāo)函數(shù)obj取得最小值,此時(shí)模型對應(yīng)的超參數(shù)為最優(yōu)超參數(shù)組合,并且如圖7所示此時(shí)模型的準(zhǔn)確率最高,最優(yōu)參數(shù)組合如表7所示。

表7 最優(yōu)超參數(shù)組合Table 7 Optimal hyperparametric combination

將改進(jìn)后的XGBoost算法與KNN、隨機(jī)森林,SVM以及未改進(jìn)的XGBoost算法進(jìn)行對比,對比結(jié)果如表8所示。

表8 算法對比(東翼)Table 8 Algorithm comparison (Dongyi)

通過實(shí)驗(yàn)對比發(fā)現(xiàn),提出的改進(jìn)XGBoost算法在精確率、召回率、F1均有明顯的提升,改進(jìn)XGBoost算法模型的預(yù)測精確度為0.95,比未改進(jìn)的XGBoost算法提高了0.16,比KNN、隨機(jī)森林和SVM等傳統(tǒng)算法提高了0.15以上。把算法模型獲取的模型參數(shù)應(yīng)用于東翼勘探區(qū),得到東翼勘探區(qū)構(gòu)造預(yù)測結(jié)果,并把預(yù)測結(jié)果經(jīng)軟件可視化得到如圖8所示的預(yù)測構(gòu)造圖。經(jīng)過與東翼實(shí)際揭露構(gòu)造(圖9)對比,可以發(fā)現(xiàn)預(yù)測構(gòu)造的數(shù)量與實(shí)際構(gòu)造的數(shù)量基本相同,且預(yù)測構(gòu)造的坐標(biāo)與實(shí)際構(gòu)造的坐標(biāo)吻合,說明本文算法模型能夠克服類別不平衡的影響,較為精確地識(shí)別出地質(zhì)構(gòu)造。

淺藍(lán)色區(qū)域?yàn)殚_采的范圍;紅色區(qū)域?yàn)橄萋渲?深藍(lán)色區(qū)域?yàn)閿鄬?/p>

棕色線條為開采的巷道;紅色線條圍成的區(qū)域?yàn)橄萋渲?藍(lán)色線條圍成的區(qū)域?yàn)閿鄬?/p>

4 結(jié)論

為研究不平衡數(shù)據(jù)條件下的地質(zhì)構(gòu)造體識(shí)別的問題,通過理論分析與實(shí)例驗(yàn)證。得出以下結(jié)論。

(1)煤礦的地質(zhì)構(gòu)造體(斷層,陷落柱)是造成煤炭減產(chǎn),煤礦事故頻發(fā)的因素之一,預(yù)測煤礦的地質(zhì)構(gòu)造體具有重要的現(xiàn)實(shí)意義。通過對三維地震勘探成果數(shù)據(jù)體的地震屬性進(jìn)行融合分析后可以用來預(yù)測構(gòu)造體。

(2)在眾多地震屬性中,不是所有的地震屬性都對算法模型的構(gòu)建有用,篩選出與標(biāo)簽相關(guān)的屬性能夠提高模型的準(zhǔn)確率和效率。

(3)實(shí)際的應(yīng)用中,構(gòu)造體的數(shù)量只占勘探區(qū)的極少部分,這種分布的不均衡會(huì)直接影響算法模型的分類性能,可以通過改善這種分布的不均衡來提高模型的分類性能。

(4)XGBoost具有運(yùn)行速度快,同時(shí)支持分類和回歸、精度高、擁有正則化、防止過擬合等特點(diǎn)。貝葉斯優(yōu)化算法考慮之前的參數(shù)信息,不斷地更新先驗(yàn),能夠又快又準(zhǔn)地找到XGBoost的最佳超參數(shù)組合。