基于随机森林方法的地震插值方法研究
来源：石油科学通报杂志2018年第1期北京时间：
作者：徐凯；孙赞东
单位：中国石油大学(北京)地质与地球物理综合研究中心,北京,102249
摘要：在地震数据的采集过程中,不可避免地会出现地震道缺失或者空间采样不足的情况,这样会产生坏道、缺失道等现象,极大的影响了地震资料质量.想要解决该问题就必须进行地震插值.本文借助于机器学习思想,以无缺失道数据为基础构建机器学习样本集,在此基础上利用随机森林回归预测算法学习各道各时间点振幅与其临近道、时窗内的振幅的统计关系,然后根据临近道数据对缺失道进行补全.将本文所提出方法应用到模型数据与实际采集数据中的缺失道补全处理,均取得良好应用效果,证明本文方法的正确性与有效性.
关键词：叠前数据处理,地震插值,随机森林,机器学习
