基于改進隨機森林算法的地質構造識別模型

王懷秀 ，馮思怡 ，劉最亮

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

0 引 言

隨著煤炭資源向深部開采，煤層開采難度增大，各種復雜的地質構造嚴重影響煤礦開采人員安全。地震屬性就是經過數學變換而導出的有關地震波的幾何形態、運動學特征、動力學特征和統計學特征，通過對地震屬性進行分析，并做出標定，消除畸變，就有可能揭示有關儲層信息。然而地下地質情況的復雜性和地震信息的影響因素太多，存在較大的不確定性或模糊性，應用任何單一的地震屬性都不能準確地進行構造識別，展開地震多屬性融合分析就顯得十分必要。

地震屬性融合的研究有很多種，BALCH[1]于1971 年將地震資料用彩色進行顯示，提高了對地下地質異常的識別能力。2002 年，我國樂友喜教授[2]優先將聚類分析的方法應用于地震屬性融合，多元線性回歸法[3]也可以用于屬性融合（季玉新和歐欽，2003）。隨著大數據時代的來臨，目前發展較快的是基于地震屬性數據的融合，即通過數學統計、人工智能等方式提取最優地震屬性，如2010 年，曹琳昱[4]首次將基于粒子群優化的 BP 網絡技術應用于多屬性融合中。神經網絡融合屬性法識別速度很快，并且自適應性以及容錯能力強，該方法適用范圍廣。但這種方法不能自主優選屬性，同時需要足夠的樣本數據來對網格進行訓練；2012 年，Bruno 將 PCA[5]用于斷層屬性的融合，通過對地震屬性進行 PCA 融合，得到了融合后的新屬性，對于微小斷層識別的準確度有了較大的提高。……