第7章 結論與建議
STEP 4 開始辨識
開始測試部分以最佳辨識組合SP(2-2-5-1)為例。
1. 將選定的特徵組合(SP)之網路訓練完畢之資料變數輸入，點選 Work Space 中 載入資料(Import Data)之圖示 並找到所欲使用特徵組合之資料變數.mat 檔 (SP.mat)或直接於資料夾中將.mat 檔拖曳至 Work Space 中即可完成載入。
2. 載入後，雙擊所載入之變數(SP)，於 Array Editor 中找到所欲辨識的網路神經 元組合(2-2-5-1)，第一行為第一隱藏層神經元數，第二行為第二隱藏層神經元 數，並記所存在矩陣之列數為N(藍框所示)。
3. 於 Command Window 中輸入下程式碼 >> net=特徵組合(大寫){N,5}
本案例為
>> net=SP{20,5}
4. 按下 ENTER 後將再 Work Space 中出現名為 net 之變數 5. File>>open 開啟 test.m 檔，依照欲辨識圖面更改以下二變數:
(1)程式碼第一行 for i=1:K K 為欲辨識震測剖面圖之 trace 數(橫軸) (2)程式碼第一行 for n=1:L L 為欲辨識震測剖面圖之時間點數(縱軸)
6. 變數更改完畢，按 F5 或 Work Space 開始執行本程式，執行完畢則出現亮 點偵測結果，可參考本研究所偵測的亮點結果，並比較震波原始訊號圖，在 亮點的下方找到油氣地層。
亮點的出現並非全然代表油氣的儲集層的出現，而代表有可能有油氣儲集的可能性，
在使用本研究所提出之亮點偵測法於震測資料解釋時，所輸出之亮點偵測結果可作為震 測資料解釋人員的輔助參考資料，一般震測資料解釋時，由於震測剖面圖資龐大，完成 一張圖面所需時甚久，震測資料解釋人員在判圖時所用的震波特徵圖為震波原始訊號，
當發現圖面上有異常處時，再參考其他震波特徵圖做進一步比較，如此來回參考之間就 耗費了大量的時間，而本研究之亮點偵測結果即為相關震波特徵的整合結果，可讓震測 資料解釋人員免除過去利用震波特徵圖來回比照的麻煩，往往一張震測剖面圖需花幾天 時間甚至數周，而網路訓練到辨識結果輸出只需幾十秒，對於資深震測資料解釋人員可 大幅減少判圖時間的浪費，可減少對震測剖面圖面上某些完全不可能有油氣的地方之搜 尋，針對亮點出現較頻繁的地區可有加強提示的作用，對於較資淺的震測資料解釋人員 可做為輔助與訓練之工具，任何資料解釋人員可先參考過網路輸出亮點針測結果後，再 做進一步的資料解釋藉以輔助判圖。
表 7.3 各特徵組合最佳總辨識率
特徵組合 1st隱藏層 2nd隱藏層 總辨識率 typeI typeII 訓練時間(sec) SP 2 5 99.51% 1.00% 0.47% 41.1
SF 8 10 99.45% 7.50% 0.26% 79.7
SFA 11 13 99.21% 4.17% 0.65% 98.0
SFAI 7 4 99.05% 11.50% 0.51% 18.8
API 13 3 99.02% 8.83% 0.65% 82.1
SI 1 11 98.95% 10.00% 0.67% 25.5
SFP 9 11 98.91% 6.00% 0.88% 87.1
SFAPI 9 2 98.87% 4.00% 1.01% 26.4
SFAP 12 12 98.74% 5.83% 1.07% 96.6
FAPI 8 7 98.74% 13.00% 0.77% 67.9
SAPI 11 7 98.73% 4.33% 1.14% 62.8
SFI 9 1 98.72% 5.67% 1.10% 17.6
SA 12 2 98.71% 6.50% 1.08% 12.0
SAI 10 1 98.70% 3.50% 1.21% 43.6
FAP 12 14 98.69% 2.17% 1.28% 101.5
AP 10 14 98.67% 25.67% 0.31% 101.6 SAP 5 5 98.63% 5.67% 1.19% 18.7
SPI 1 12 98.63% 4.50% 1.24% 23.5
PI 1 7 98.55% 3.33% 1.38% 46.7
FAI 9 10 98.50% 27.83% 0.40% 83.0
SFPI 5 2 98.48% 9.00% 1.21% 42.8
FPI 6 14 97.52% 44.50% 0.73% 79.9
FA 9 9 97.38% 44.33% 0.88% 87.1
FP 9 9 97.38% 44.33% 0.88% 87.1
AI 4 10 96.95% 66.17% 0.42% 69.4
FI 1 1 96.00% 100.00% 0.00% 23.2
7.2 建議
對於使用其他區域測線所輸出的辨識結果，雖仍能看的出亮點存在位置，但雜訊的 消除尚有進步空間，本階段尚無明確改善方法，若前處理部分可再改良，再將震測資料 處理流程與不同地區測線所造成的變因降低，方能再次降低雜訊。
圖形辨識應用在震測剖面圖上仍有許多進步空間，例如本研究目前僅以亮點為單一 特徵為辨識依據，但除了亮點偵測之外，直接探油法仍有其他油氣指標(例如平點、暗 點等)對油氣辨識亦有幫助，若未來能開發出相關指標的綜合辨識方法，並將各指標辨 識方法整合成一套系統，將辨識過程使用者介面化，讓使用者自行點所選欲偵測的油氣 指標，並將各指標偵測結果在同一震測剖面圖上顯示，使用者能在震測剖面圖面上看到 不同指標之間的相對位置呈獻，結構化的關係更能讓震測資料解釋人員注意到油氣儲集 層位置，如此自動化的辨識系統便能給予震測資料解釋人員更大的輔助。