煤炭学报

作者：丁昌伟, 王新, 陈同俊, 余婷,

关键词：小断层解释, 证据权重, 贝叶斯优化, 采集函数, XGBoost,

为了进一步提高小断层地震解释的精确度 ，提出了利用信息价值对地震属性进行约简，结合改进的贝叶斯优化算法，优化XGBoost参数以识别小断层。首先，对采区地震属性数据进行预处理，去除异常样本和大噪声样本；然后针对处理后样本的每一个特征进行卡方分箱，计算每一个分箱中的证据权重(WOE)，进而得到每一个特征的信息价值(IV)，以此作为各个特征的重要度，对信息价值小的特征进行约简，去除高噪声特征属性；同时，给小断层地震数据增加一定程度的噪声来增强模型的抗噪能力；接着，构建XGBoost模型，因正负样本分布不均衡，提出了一种改进XGBoost目标函数的方法来平衡正负样本的训练权重。针对其重要参数选择问题，选用贝叶斯算法优化XGBoost模型的参数。因为贝叶斯优化算法不易平衡“开采”(Exploit)和“探索”(Explore)的过程，导致寻优效率不高，易陷入局部最优点，提出一种自适应平衡因子变化算法，动态地平衡pi采集函数“开采”和“探索”的过程，提升参数优化过程的鲁棒性。实验数据表明：利用采集函数优化的贝叶斯算法，用来优化目标函数改进的XGBoost，构建的新XGBoost模型框架(SAPI-Bay-ImpXGBoost)相比于BP神经网络、支持向量机(SVM)、K近邻(KNN)、AdaBoost预测精度更高，有助于提高小断层地震识别的准确率。

来源：2023年第6期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2023年第6期