夏店煤矿断层的支持向量机预测研究

近年来夏店煤矿在开采过程中,发现采区内断层特别发育,严重影响了煤矿的高效开采与经济效益。因此亟须通过物探手段来解决当下遇到的困局,不过传统的地震解释周期长,人工多,不能够满足煤矿的迫切需求。不过随着计算机科技的进步,将机器学习技术应用于地震数据解释开始受到关注,例如使用和深度学习方法在弹性波阻抗数据体上,开展地震相分类。

非平衡学习的地震断层识别研究

利用三维地震数据开展断层自动识别研究时发现,基于矿区揭露信息的数据集的构建直接影响了机器学习算法对断层识别的最终效果。在实际工作中,可收集到的已揭露的断层点数量往往远小于非断层点的数量,这导致构建的地震属性数据集是不平衡的。在机器学习领域,解决非平衡数据集分类常用的方法主要有三类,主要包括:基于数据集重构的重采样方法;结合多个学习器对数据进行综合判断的集成学习方法.