[发明专利]一种基于无监督神经网络的火山通道识别方法

权利要求书

1.一种基于无监督神经网络的火山通道识别方法，其特征在于,包括以下步骤：

地震属性处理步骤：提取对火山通道敏感的地震属性，并对各地震属性进行归一化处理；

提取样本点步骤：从原始地震剖面上选出具有明显火山通道和非火山通道地震反射特征的区域，并选取区域内的点作为样本点，提取样本点对应的归一化处理以后的地震属性；

获取最佳地震属性步骤：采用迭代自组织聚类方法对样本数据类型进行分类判别，优化样本训练数据；将迭代自组织聚类方法与对向传播神经网络进行融合，组合成无监督智能学习模型；并利用该无监督智能学习模型得到刻画火山通道的最佳地震属性；

火山通道识别步骤：把新生成的最佳地震属性应用于全区，进而刻画出整个区域火山通道的纵向剖面分布范围；

所述地震属性包括曲率、方差、蚂蚁体、倾角、方位角、纹理属性；

所述地震属性处理步骤中的归一化处理公式为；

其中，x_i*为各地震属性，x_i*^*为归一化后的地震属性，i*表示地震属性样本序号，n表示总样本数；

还包括：从原始地震剖面上选出具有明显火山通道和非火山通道地震反射特征的区域；同时，选取区域内P个点作为样本点，并提取样本点对应的归一化处理以后的地震属性利用迭代自组织聚类方法进行数据分析；通过多次迭代，逐次更新后，得到样本数据的最佳聚类效果，实现样本数据的无监督分类判别；还包括：把无监督分类判别的样本数据作为对向传播神经网络的输入数据；此时，假定输入层有N个神经元，竞争层有Q个神经元，输出层有M个神经元；则样本点的输入模式为对应的竞争层输出向量为输出层输出向量为目标输出向量为其中k＝1,2,...P；输入层与竞争层之间的连接权值为W_j＝(w_j1,w_j2,...w_jN)，j＝1,2,...Q；竞争层与输出层之间的连接权值为V_l＝(v_l1,v_l2,...v_lQ,)，l＝1,2,...M；该方法如下：

(1)把第k个样本点输入模式提供给网络输入层；

(2)把连接权值W_j进行归一化处理：

(3)竞争层中各神经元加权输入和为：

(4)计算连接权值W_j与A_k距离最近的向量W_g：

此时，神经元g为获胜神经元，其输出设定为1，其余竞争神经元输出为0：

(5)修正向量W_g如下：

(6)把向量W_g重新归一化处理；

(7)修正竞争层到输出层的连接权值V_l，公式如下：

v_li(t+1)＝v_li(t)+βb_j(c_l-c'_l)，l＝1,2,...,M，0＜β＜1，j＝1,2,...Q(7)

由步骤(4)，公式(7)可以简化为：

v_lg(t+1)＝v_lg(t)+βb_j(c_l-c'_l)，l＝1,2,...,M，0＜β＜1，β为学习速率(8)

此时，调整了获胜神经元g到输出层神经元连接权重V_g；

(8)输出神经元的实际输出值为：

(9)返回步骤(1)，直到把P个样本点的输入模式A_k全部输入；

(10)置t＝t+1，把A_k重新提供给网络学习，直到t＝T,神经网络训练的结果收敛为止，T＞5000效果较好；此时，获得了能够反映火山通道空间展布特征的最佳地震属性。