测试验证
为了测试模型的预测能力。我们把训练好的模型用于测试集地震数据的地震相预测，再与真实标签数据进行对比。
训练集数据用的是：test1_seismic.npy和test1_labels.npy，这是与训练数据不同的另外一个区域。
首先看看预测数据集的分类情况。
可以看到预测数据集的分类是严重不平衡的，这给模型预测带来了较大的挑战。
这里评价模型优劣的量化参数可以使用平均准确率、查准率、召回率、F1-Score等进行计算。
本实验的量化参数结果如下：
从结果来看，本文模型的准确率达到了近90%，说明整体预测能力比较好。但是其它几个参数较低，说明在细节的预测能力上还有改进空间。当然，这个结果与预测数据集不均衡性有较大关系。
除了上述参数，还可以使用混淆矩阵来查看效果，结果如下：
从混淆矩阵结果来看，Lower North的预测准确性较高，这是因为这个类别数量最多。
最后，通过图形化来直观看看模型对地震剖面预测的效果图。
