基于稀疏強(qiáng)特征提取的三維地震數(shù)據(jù)完備方法

崔雪鵬 黃捍東 羅亞能 成鎖 郝亞炬 崔剛

摘要：隨著復(fù)雜儲(chǔ)層地震資料特征篩選的機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步，如何有效地對(duì)參與地震屬性優(yōu)選和儲(chǔ)層反演的地震樣本進(jìn)行采集和分析，成為目前智能地震預(yù)測(cè)領(lǐng)域的一個(gè)研究熱點(diǎn)。目前的方法多著重于模型分類算法的改進(jìn)，在標(biāo)簽的制作和采集方面不僅耗費(fèi)大量時(shí)間進(jìn)行人工標(biāo)注，還存在標(biāo)簽不平衡情況下類內(nèi)可靠性、類間平衡性不強(qiáng)等問題。為此，提出基于稀疏強(qiáng)特征提取的三維地震數(shù)據(jù)完備方法。首先，基于多數(shù)決原則的樣本分割（ＳａｍｐｌｅＳｅｇｍｅｎｔａｔｉｏｎＢａｓｅｄｏｎ ＭａｊｏｒｉｔｙＲｕｌｅ，ＳＳＭＲ）尋跡多尺度、多標(biāo)簽三維地震樣本，進(jìn)行采集、自動(dòng)標(biāo)注；然后，改進(jìn)標(biāo)簽洗牌平衡方法（ＩｍｐｒｏｖｅｄＬａｂｅｌＳｈｕｆｆｌｉｎｇＢａｌａｎｃｅＭｅｔｈｏｄ，ＩＬＳＢ），通過“２＋１”的樣本增廣平衡策略進(jìn)行數(shù)據(jù)完備處理，改善樣本采樣不平衡性導(dǎo)致的模型訓(xùn)練偏向性；最后，利用基于最小Ｌ１ 范數(shù)稀疏表示對(duì)奇異值分解結(jié)果進(jìn)行強(qiáng)特征提取（Ｍｉｎｉｍｕｍ Ｌ１-ｎｏｒｍ ＢａｓｅｄＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉｏｎｆｏｒＦｅａｔｕｒｅＥｘｔｒａｃ-ｔｉｏｎ，Ｌ１-ＳＲＦＥ）和可視化表示。實(shí)際資料應(yīng)用表明，實(shí)鉆井與驗(yàn)證井預(yù)測(cè)結(jié)果吻合度高，該方法具有較高的標(biāo)簽分類準(zhǔn)確率。

關(guān)鍵詞：多數(shù)決樣本分割，尋跡采集技術(shù)，多尺度、多標(biāo)簽，樣本平衡策略，Ｌ１ 范數(shù)稀疏強(qiáng)特征提取，五維可視化表示

中圖分類號(hào)：Ｐ６３１ 文獻(xiàn)標(biāo)識(shí)碼：Ａ dol：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００-７２１０．２０２３．０２．００１