[科普中国]-地震多参数模式识别

利用多种地震属性参数对研究目标特征进行描述、识别和分类的技术。它在地震勘探中有着广泛的应用(例如地震层位空间自动拾取、地震层位对比、断层解释、地震相分析、地震储层岩性分析、地震烃类检测、地震油藏描述、自动成图、脉冲识别、初至拾取、噪声识别与去除、多次波去除以及多分量地震资料的波场分离等)，已成为地震资料构造解释、地层解释、储层预测和油藏描述的有效工具。1

发展历程模式识别思想始于1901年皮尔逊(Pearson)建立的因素分析方法，20世纪50年代发展成为一门新兴学科。60年代欧美学者将模式识别引入地学领域，80年代初开始在地球物理勘探领域得到应用，并很快受到普遍的青睐。中国的地震多参数模式识别研究始于20世纪90年代初，主要用于岩性识别、油气检测和井间参数预测，取得了不少成功经验，并开发了部分应用软件。将灰色系统理论引入模式识别研究是中国学者对该领域的最重要贡献。通过关联度分析和灰色聚类方法，可解决样本特征介于统计和模糊模式之间的分类问题，如沉积相分类、岩性识别及油气检测等。

基本原理“模式”(Pattern)在地学领域可理解为“对某类地质对象典型特征和规律的客观描述和提炼，可用作指导同类研究的模板”。“模式识别”(PR)可理解为：“通过对系统的操作和设计，达到对其中的模式加以识别的目的”，或“将研究对象根据一种或多种特征加以识别并分类，同一类对象要求具有最大的相似性，而不同类对象之间具有最大的差异性”。任何地质体只要能被地震勘探方法感知或测量，那么，其中必定存在可以在一定程度上加以识别的模式，尽管模式的界定和类型是可变的——取决于人们的认知水平和地震资料的品质，人们仍可以通过不同的地震参数对模式加以识别。

模式识别方法常用的模式识别方法主要有四种：

(1)造句法模式识别(Syntactic PR)，此类方法适用于解决模式特征比较清楚的简单线性分类问题，如地震亮点的识别；

(2)统计模式识别(Statistical PR)，利用先验证样本的统计概率和贝叶斯决策理论进行判别、分类，适用于解决线性可分的地质问题，理论上相对成熟；

(3)模糊模式识别(Fuzzy PR)，基于模糊逻辑的识别方法，以柔性处理能力见长，适用于样本特征比较模糊的地质问题；

(4)神经网络模式识别(Neural network PR)，模拟人脑的学习和决策过程，包括有监督或无监督人工神经网络以及概率神经网络等方法，对复杂因素的抗干扰能力比较强；

(5)模糊聚类、灰色聚类、聚类神经网络等综合模式识别方法。

应用技巧所有模式识别问题的关键是样本特征提取和决策理论。现代模式识别理论和方法的发展得益于不同学科之间的交叉和计算技术的快速发展。应用地震多参数模式识别方法开展油气勘探研究，一般包括：已知样本库的建立、特征提取、样本训练、分类或预测、成果解释等过程。为了提高模式识别的科学性和准确性，首先要对已知样本的地质、地球物理特征有深入的认识和准确的把握，并且对地质、地震特征要进行严格的标定和对比分析，这样才可以为参数选择提供科学的专家意见；对于没有先验地质资料的地区，应尽量通过对比研究的方法，从相邻的与研究区地质特征最为接近的地区选择。其次是对地震参数进行优选，例如通过K-L变换、交叉验证等方法，将那些对于降低分类误差贡献不明显的地震参数加以剔除。

地震资料解释的多解性是长期困扰地震勘探的难题。多参数模式识别方法不仅可为许多难题提供新的思路和途径，尤其是地震响应机制不清但可以标定的地质问题，而且能为充分利用地震资料的细微变化创造了条件。但应该充分估计噪声的影响，以及对应用地球物理和地质意义不清楚的信息有可能导致识别效果不佳或失败。今后对此问题需要加强研究。2

本词条内容贡献者为:

李兵 - 副教授 - 西南大学