[发明专利]基于SOM的半监督全局优化地震相定量分析方法

摘要

本发明提供了一种基于SOM的半监督全局优化地震相定量分析方法，属于地震勘探领域。本发明首先从叠前数据出发，进行叠前纹理特征的分析和提取，避免了叠加操作对数据中微小信息的模糊，更能表征实际的地质情况；同时，解决了少量的标签信息无法有效利用的问题，将标签信息添加到学习器的学习过程中，能使获得结果更符合实际情况；再者，通过进行引入人工蜂群算法，实现了SOM输出层的最优化聚类，使输出层神经元与地震相的映射关系更加合理；本发明在进行地震相划分的同时，可进行确定性指标的计算，为开发人员制定决策提供了更精确、更合理的结果判断依据。

主权项

1.一种基于SOM的半监督全局优化地震相定量分析方法，其特征在于，包括以下步骤：步骤1，提取叠前地震数据纹理属性，得到训练集，其中，所述训练集包括有标签样本和无标签样本；步骤2，根据所述训练集训练SOM网络，得到所述有标签样本在SOM网络输出层中对应的最优响应元，根据标签信息确认所述有标签样本对应的最优响应元的必连和勿连关系；步骤3，应用人工蜂群算法和所述步骤2中确定的必连和勿连关系对SOM网络输出神经元进行最优化K均值聚类，待优化的目标函数为K均值聚类的类内距离之和；步骤4，重复所述步骤3直到满足所述人工蜂群算法停止条件，得到最优化的SOM网络输出神经元聚类，通过将神经元映射至对应的类别得到SOM网络输出层神经元与类别之间的最优化映射关系；步骤5，将测试样本输入SOM网络，得到测试样本在SOM网络输出层中的最佳响应元，根据最优化映射关系得到测试样本对应的相类别，根据所有测试样本的相类别得到工区相带的展布图；步骤6，将所述步骤4得到的SOM网络输出层的最优化神经元聚类设置PNN网络的模式层，通过PNN网络得到每个测试样本在已训练得到的SOM网络下属于每一类别的概率；步骤7，通过计算每个测试样本的区分度、亲和度和置信度得到每个样本的分类评价指标，以评估整体分类置信度。