前言：本站為你精心整理了略說網(wǎng)絡(luò)的地震相分類范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

1方法實現(xiàn)與測試

為了建立地質(zhì)模型，在該剖面上共采集了25個巖石樣本，并在實驗室中測量了巖石的縱波速度與密度等物性（曾凡平等，2009），測量結(jié)果所示．取各成因相的縱波速度均值和密度均值計算對應(yīng)的縱波波阻抗值．對比各成因相的縱波波阻抗值，可看出內(nèi)灘最低、外灘和礁基次之、礁核最高，而臺地介于礁核和外灘之間．地震模型基于露頭寫實以及地質(zhì)解釋結(jié)果，并根據(jù)上述測量數(shù)據(jù)，建立了地震波阻抗模型，運用褶積的方法計算出了對應(yīng)的合成地震記錄，用以驗證及測試本文所提出的地震相分類方法．為了方便，試驗省去了時深轉(zhuǎn)換的環(huán)節(jié)，直接建立了時間域的地震波阻抗模型．波阻抗模型大小為200×300的網(wǎng)格，深度間隔為1ms，CDP間隔為10m．對應(yīng)的合成地震記錄采用主頻為30Hz的雷克子波，并加入了5％的高斯隨機噪聲．地震屬性筆者根據(jù)地震屬性對地質(zhì)體反應(yīng)的敏感性和符合率較大的原則，選擇了8種地震屬性作為地震相分類的基礎(chǔ)數(shù)據(jù)，包括：瞬時振幅、瞬時頻率、均方根振幅、平均絕對振幅、絕對距離、歐式距離、互相關(guān)距離和相似系數(shù)．是根b計算出的地震屬性結(jié)果．分類模型的構(gòu)建及訓(xùn)練由于沒有類似的研究成果作參照，無法通過前人的研究成果設(shè)定地震相分類貝葉斯網(wǎng)絡(luò)的先驗信息（初始網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)）．因此，在網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練前，僅定義了網(wǎng)絡(luò)節(jié)點，將其作為初始網(wǎng)絡(luò)結(jié)構(gòu)，而在網(wǎng)絡(luò)參數(shù)學(xué)習(xí)前，將各節(jié)點參數(shù)的條件概率分布表均設(shè)定為均勻分布，作為貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)的初始網(wǎng)絡(luò)參數(shù)．由于礁基、內(nèi)灘和外灘的波阻抗差異小，在地震上較難區(qū)別，因此在實驗中將礁核和礁基合并為生物礁，把內(nèi)灘和外灘合并為生物灘．為了區(qū)分臺緣背景沉積中的單層內(nèi)部的隨機噪聲和層序界面對應(yīng)的地震相，實驗中將臺地分為內(nèi)部均勻沉積和層序界面兩類地震相．因此，以礁核、生物灘和臺緣背景沉積這3種成因相組合為最小劃分單元，試驗將地震相的類別數(shù)最終確定為4個：1類為生物礁，2類為生物灘，3類為臺地1－內(nèi)部均勻沉積和4類為層序界面．由于各種地震屬性的數(shù)值大小及值域范圍都1147不同，考慮到基于離散變量的貝葉斯網(wǎng)絡(luò)算法容易實現(xiàn)，故在樣本數(shù)據(jù)輸入評價模型之前，均對其進(jìn)行了離散化處理．本次試驗的離散化規(guī)則為：根據(jù)地震屬性的值域范圍分成5個區(qū)間，按照其數(shù)值從大到小的規(guī)則將其編號（1（大）～5（?。x擇模型中的部分典型區(qū)域按照所屬的沉積相類別編號，逐一提取對應(yīng)區(qū)域的各地震屬性值，并對其進(jìn)行整理，最后將結(jié)果用于貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)訓(xùn)練和參數(shù)訓(xùn)練．貝葉斯網(wǎng)絡(luò)的訓(xùn)練采用了K2算法，該算法將同時完成結(jié)構(gòu)和參數(shù)訓(xùn)練．結(jié)構(gòu)訓(xùn)練的結(jié)果所示．

2地震相分類

本文所選用的評價方法為全局聯(lián)合樹推理算法，a為地震相分類的類別結(jié)果，分別顯示了各類地震相的分布范圍，與地質(zhì)模型相比，其整體分類結(jié)果較好．其中1類（生物礁）和2類（生物灘）的地震相分布與地質(zhì)模型總體比較吻合，3類（臺地1－內(nèi)部均勻沉積）和4類（層序界面）的分布范圍也較準(zhǔn)確．b～8e分別為1類（生物礁）、2類（生物灘）、3類（臺地1－內(nèi)部均勻沉積）和4類（層序界面）地震相的概率值分布圖．但是，還要注意到a中白色框的部分與地質(zhì)模型存在著較大的差距，這可能是由于1類（生物礁）太小或者由于周圍生物灘的影響，地震波對于部分生物礁相的響應(yīng)不好造成的．對比地震模型、地震屬性和地震相分類結(jié)果，以及各地震相的概率分布圖發(fā)現(xiàn)，雖然a～5c，5g和5h中地震屬性較好的反映了地震相的分布形態(tài)，中強幅值與礁灘的分布也較吻合，但是也有d～5f成為了地震屬性進(jìn)行地震相分類的干擾因素．這是因為d～5f所表示的地震屬性對剖面中沉積相的變化不敏感所致（所得各類別概率值接近于均勻分布）．若在地震相分類前進(jìn)行屬性優(yōu)選，剔除如d～5f對分類結(jié)果具有負(fù)面影響的地震屬性，按照節(jié)所述方法，重新對地震相分類模型進(jìn)行訓(xùn)練，得到的分類結(jié)果如所示．分類結(jié)果相比，分類結(jié)果的精度有了提高．但是在未進(jìn)行屬性優(yōu)選的情況下，本研究所得到的地震相分類結(jié)果并沒有受到太大的負(fù)面影響，依然得到了準(zhǔn)確性較高的地震相分類結(jié)果．究其原因，就是在網(wǎng)絡(luò)參數(shù)的訓(xùn)練過程中，由于地震屬性與分類的不相關(guān)性，造成該地震屬性的分類概率值接近于均勻分布，自動降低了不利于地震相解釋的地震屬性對于地震相分類結(jié)果的負(fù)面影響，且不需要任何人工的干預(yù)．

3結(jié)論

本文提出的基于貝葉斯網(wǎng)絡(luò)的地震相分類方法，并以巴楚一間房組臺緣生物礁－灘沉積體系的典型露頭剖面所構(gòu)建的地質(zhì)模型為例，描述了地震相識別過程中貝葉斯網(wǎng)絡(luò)的建模、學(xué)習(xí)和分類的步驟，并且驗證了該方法的可行性和正確性．與現(xiàn)有的確定性地震相分類方法比較，具有一定的優(yōu)勢：經(jīng)過實例數(shù)據(jù)的測試，證明本文所建立的地震相分類方法是可靠的，為地震相分類研究提供了一種新的、更加有效的方法；以概率分布的形式輸出分類的結(jié)果，原則上將概率值最大的類別作為待分類樣本所屬的類別，分類結(jié)果的概率分布即是分類的可靠性評價；通過引入先驗信息，降低了對訓(xùn)練數(shù)據(jù)樣本分布的過度依賴，并且提高了分類結(jié)果的準(zhǔn)確性；該方法在沒有人工干預(yù)的情況下，通過對樣本數(shù)據(jù)的學(xué)習(xí)，智能地完成了各地震屬性權(quán)值設(shè)定；當(dāng)某些地震屬性結(jié)果對地震相分類不利時，該方法可自動降低其對分類結(jié)果的負(fù)面影響；在地震相分類過程中，由于不需要人工干預(yù)，因而更客觀可靠．由于時間有限及其他方面的原因，本文提出的地震相分類方法僅對理想地震數(shù)據(jù)進(jìn)行了應(yīng)用，對于實際數(shù)據(jù)的應(yīng)用效果還需要進(jìn)一步的驗證和深入研究．致謝：本研究得到了中國地質(zhì)大學(xué)（武漢）資源學(xué)院焦養(yǎng)泉教授的指導(dǎo)和幫助．

作者：顧元朱培民榮輝曾凡平海洋單位：中國地質(zhì)大學(xué)中國地質(zhì)大學(xué)