1.一种基于机器学习的复杂地区地震反射层识别与追踪方法，其特征在于，包括如下步骤：I.输入原始地震剖面，确定需要追踪解释的某一地震反射层位，即目标层位；

II.提取目标层位处的局部地震波形数据作为标准地震道；

标准地震道的生成过程如下：

通过钻井层位标定，提取以目标层位中点O为中心，长度为n的地震道以及与该地震道邻近的多个地震道的地震波形数据作为标准地震道X，如公式(1)所示：X＝(x1,x2,…,xn)                   (1)其中，i＝1,2,…,n，n为标准地震道的长度；标准地震道X中第i个数据点的值为：其中，l＝1,2,…,F，F为邻近的地震道数；xl(i)表示第l个邻近地震道第i个数据点的值；

利用动态时间规整算法对标准地震道和各个地震道滑动时窗内的波形数据进行匹配，获得最短弯曲路径，最短弯曲路径的计算过程如下：设定输入的原始地震剖面为M×N的矩阵I，则：

其中，p＝1,2,…,M，q＝1,2,…,N，M为采样点数，N为地震道数；

设定滑动时窗内的波形数据的长度与标准地震道的长度相同且均为n，每次移动的步长为1，则第q道某个滑动时窗内的波形数据Y为：Y＝(y1,y2,…,yn)                                          (4)其中，j＝1,2,…,n；下面对标准地震道X＝(x1,x2,…,xn)与第q道某个滑动时窗内的波形数据Y＝(y1,y2,…,yn)进行波形动态时间规整，即：定义距离函数dij，该距离函数dij采用欧拉距离，表达式如下：根据X、Y内不同数据之间点与点的欧拉距离，构成n×n的动态时间弯曲距离矩阵d：在矩阵d中，相邻矩阵元素的集合构成一条弯曲路径，如公式(7)所示：W＝{w1,…,wk,…,wK}                  (7)式中，n≤K≤2n-1；wk＝(dij)k，表示W中第k个元素xi与yj两点的距离；

从求解得到的弯曲路径中选取最短弯曲路径Wbest，表达式如公式(8)所示：为求解公式(8)，由递归思想，构造累积代价矩阵γ，累积距离γ(i,j)为当前格点距离d(i,j)与能够到达该点的最小的邻近元素的累积距离之和：即：其中，i＝1,2,…,n，j＝1,2,…,n,n为标准地震道与滑动时窗内的波形数据的长度；

因此，X和Y的动态时间规整距离为：DTW(X,Y)＝γ(n,n)                 (10)经过上述计算，获得标准地震道X与滑动时窗内波形数据Y的最佳匹配关系，计算出最短弯曲路径Wbest，将最短弯曲路径值赋值给滑动时窗中心位置；

原始地震剖面中所有滑动时窗计算完成后，得到最短路径距离矩阵P，公式如下：其中，最短路径距离矩阵P为M×N的矩阵；

Wpq表示最短路径距离，Wpq值越大表示相似性越差，Wpq值越小表示相似性越高；

对最短路径距离矩阵P进行如下处理：

式中，Wmax表示矩阵P中的最大值，Wmin表示矩阵P中的最小值；

Qpq值越大表示相似度越高；经过公式(12)处理后获得相似性地震属性剖面矩阵Q：III.根据所要追踪解释的目标层位位置，确定地震剖面层位追踪的纵向深度范围；

设定目标层位的顶部界面深度为h1，底界面深度为h2，则定义如下的追踪范围：h+h1＜σ＜h+h2                (14)其中，σ为层位追踪搜寻的纵向深度范围，h为调节深度；

IV.对将步骤II得到的相似性地震属性剖面矩阵作为输入，以步骤III获得的追踪范围作为约束条件，利用Viterbi算法进行约束优化处理，对目标层位进行识别与追踪；

具体过程如下：

IV.1.地震反射特征最大相似度做向前积分，并记录累加路径，公式如下：其中，ω(p,q)为步骤II获得的相似性地震属性剖面矩阵Q；

表示以(ik,q-1)为坐标，ik为取值范围，取q-1之前累积的结果中最大值 该值与下一个相似性地震属性剖面矩阵ω(p,q)求和即得ω′(p,q)；

L(p,q)＝ik|q-1表示求和累积的过程路径； s为Viterbi算法追踪的时窗大小；

IV.2.搜寻地震反射特征累加路径最大相似度值，向后递归搜寻最短路径，追踪地震反射层；

当公式(15)的累积达到q＝N-1时，搜寻到最大值ω′max(p,N)，并记下所对应的路径L(p,N-1)＝ik|N-2为xipick|N-1＝p；

其中，L(p,N-1)表示公式(15)的累积达到q＝N-1，搜寻到最大值ω′max(p,N)时所对应的路径位置，xipick|N-1表示拾取路径的纵坐标；

根据向后递减跟踪原理搜寻最短路径并计算所需要的值v(q′)，得如式：其中，q′＝N-1,N-2,…,2,1；xipick|q′＝L(xipick|q′+1,q′)表示所选择累积积分最大相似度值所对应路径中的每个点坐标，即为层位追踪的路径；v(q′)为最短路径中每个点的坐标对应的相似性属性值，ω(xipick|q′)表示最短路径对应的相似性属性值。