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。研究过程中，首先从地震资料中获取了倾角导向体，以提取高质量的地震属性。通过多属性的指导，研究人员人工拾取了样点，并基于多层感知器神经网络进行机器训练学习，从而建立了裂缝的最优属性集。这个过程可以通过查看多层感知器神经网络的实现源码以及人工神经网络多层感知器的快速入门来深入了解。随后，研究团队对整体数据进行了拓展，生成了裂缝概率体，成功识别并划分出煤层裂缝发育区。相关的神经网络感知器算法在此过程中发挥了重要作用。

该技术已在山西阳泉新元矿区得到了实际应用，识别出的煤层裂缝发育区效果明显优于传统的属性直接识别方法。然而，由于勘探区内目前缺乏钻井资料，预测结果尚需进一步验证。对于感兴趣的读者，可以查看多层感知器神经网络的具体实现方法，获取更多技术细节。