论文

针对在地震属性应用中难以精细识别煤层裂缝发育区边界的难题，开展了基于人工监督神经网络技术的煤层裂缝发育区应用研究。该研究通过获取地震资料中的倾角导向体，从而提取出高质量的地震属性。为了更精准地识别裂缝发育区，研究团队以多属性为指导，进行人工拾取样点，并基于多层感知器开展神经网络机器训练学习，以建立裂缝的最优属性集。通过拓展整体数据，最终获得裂缝概率体，有效地识别并划分出煤层裂缝发育区。

该技术在山西阳泉新元矿区得到了应用，结果显示其对煤层裂缝发育区的识别明显优于传统的属性直接识别方法。然而，由于勘探区内暂无钻井资料，目前预测效果还有待进一步验证。

如果您对多层感知器神经网络感兴趣，可以通过以下链接深入了解其实现原理与代码：多层感知器神经网络、人工神经网络多层感知器实现源码、Python多层感知器神经网络模型实现。这些资源将为您提供详细的技术实现与代码示例，帮助更好地理解和应用该技术。