随着人工智能的发展,特征分类技术已经成为一种重要的数据分析方式,被广泛应用在数据挖掘、人工智能、模式识别等领域。特征分类是通过分析和辨识数据的特征和类别的关系,产生一个关于特征和类别的模型,然后利用这个模型来分析和处理新的数据特征,确定新数据的类别。本文通过研究特征分类技术和三维地震数据中层位特征,设计了三维地震数据中的全层位追踪方法。三维地震图像是地震波形在三维空间的分布,层位追踪是就是分析三维地震图像中的层位信息。目前的层位追踪工作主要依靠地质解释人员在二维剖面上进行层位标定,由于二维剖面并不能反映三维数据的全貌,人工解释在反映地质结构全貌上和效率上存在严重的不足,严格意义上的三维全层位追踪算法直接处理三维地震图像,在准确性和效率上存在很大的优势。本文就是针对上述问题对三维地震图像中的层位追踪问题进行研究,主要工作包括以下两个方面:(1)本文研究了三维地震图像中的层位特征和数据挖掘中特征分类技术,并结合三维地震图像中的波形特征、层位极值点空间分布特征以及特征分类技术的一般方法设计了基于多层次框架的三维全层位自动追踪方法,该方法将层位追踪过程按照所处理数据的粒度划分成了极值点层次、层位片段层次以及专家层次,分别从不同的层次研究三维地震图像中的层位追踪问题,在极值点层次根据极值点的空间上横向连续分布的特征设计了基于层位极值点连接的层位片段生成算法,将极值点连接成层位片段;在层位片段层次根据同一层位的波形相似性,结合GMM聚类算法设计了层位片段合并算法,将层位片段连接成大的层位;在专家层次,为了使地质解释人员可以根据实际需求调整层位追踪的结果,设计了专家级的层位结果修正算法,使得层位追踪结果更加符合实际的地质构造。该方法在不同层次对层位追踪问题进行相应的处理,最终实现了三维地震图像中三维全自动追踪。(2)本文从一种全新的角度提取三维地震图像中层位特征,通过研究三维地震图像中层位纵向分布特征提出了基于匹配搜索的全层位追踪方法。传统的层位追踪方法都是逐个层位的进行追踪,这样就忽视了三维地震图像中目标区域内时间方向上不同层位之间的关系,在三维地震图像中时间方向上层位呈现层状分布,相邻层位之间存在一定的间隙,而且不同层位之间的间隙会有一定的差异,这就是三维地震图像中的层位纵向分布特征。基于匹配搜索的全层位追踪方法主要根据时间方向上多个层位纵向分布的振幅特征和层位之间间隙的特征,设计了层位纵向分布特征提取算法、基于匹配搜索的数据块生成算法和基于振幅导向的数据块连接算法。该方法利用层位纵向分布特征提取算法和基于匹配搜索的数据块生成算法将三维地震图像中的极值点连接成三维空间中的层位块,基于振幅导向的数据块连接算法将层位块进行连接,形成地震图像中大的层位,然后针对层位的缺口问题对层位进行扩展处理得到最终的追踪结果。由于该方法充分利用了层位间的相互关系,实现了三维地震图像中全层位并行追踪,提高了层位追踪的效率和准确性。