崔雪鹏 黄捍东 罗亚能 成锁 郝亚炬 崔刚

摘要：隨着复杂储层地震资料特征筛选的机器学习技术的进步，如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析，成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进，在标签的制作和采集方面不仅耗费大量时间进行人工标注，还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此，提出基于稀疏强特征提取的三维地震数据完备方法。首先，基于多数决原则的样本分割（ＳａｍｐｌｅＳｅｇｍｅｎｔａｔｉｏｎＢａｓｅｄｏｎ ＭａｊｏｒｉｔｙＲｕｌｅ，ＳＳＭＲ）寻迹多尺度、多标签三维地震样本，进行采集、自动标注；然后，改进标签洗牌平衡方法（ＩｍｐｒｏｖｅｄＬａｂｅｌＳｈｕｆｆｌｉｎｇＢａｌａｎｃｅＭｅｔｈｏｄ，ＩＬＳＢ），通过“２＋１”的样本增广平衡策略进行数据完备处理，改善样本采样不平衡性导致的模型训练偏向性；最后，利用基于最小Ｌ１ 范数稀疏表示对奇异值分解结果进行强特征提取（Ｍｉｎｉｍｕｍ Ｌ１-ｎｏｒｍ ＢａｓｅｄＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉｏｎｆｏｒＦｅａｔｕｒｅＥｘｔｒａｃ-ｔｉｏｎ，Ｌ１-ＳＲＦＥ）和可视化表示。实际资料应用表明，实钻井与验证井预测结果吻合度高，该方法具有较高的标签分类准确率。

关键词：多数决样本分割，寻迹采集技术，多尺度、多标签，样本平衡策略，Ｌ１ 范数稀疏强特征提取，五维可视化表示

中图分类号：Ｐ６３１ 文献标识码：Ａ dol：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００-７２１０．２０２３．０２．００１