基于叠前地震纹理特征的半监督全局优化地震相分析

基于叠前地震纹理特征的半监督全局优化地震相分析.pdf
针对传统地震相分析方法对海量地震数据处理运算速度较慢、容易陷入局部最优解、灵敏性不高、未考虑先验知识等难题,本文提出了基于叠前地震纹理属性的半监督全局优化地震相分析方法.算法中首先引入叠前地震纹理属性以突出地震反射信息中的微小空间、振幅随方位角、偏移距等的变异性,然后通过训练样本对自组织映射神经网络(SOM)进行训练,最后在先验知识的约束下,采用具有全局优化能力的人工蜂群算法对SOM输出层的神经元进行半监督最优化聚类,得到最优的神经元与地震相的映射关系.实际应用结果表明,提出的方法显著地提高了地震相图的准确度和地震微相的识别能力,能够成为一种性能更加优越的地震相分析工具.
作者：蔡涵鹏 吴庆平 任海洋
作者单位：电子科技大学资源与环境学院,四川成都611731;电子科技大学信息地学中心,四川成都611731电子科技大学资源与环境学院,四川成都611731
母体文献：2018勘探地球物理学研究进展学术研讨会论文集
会议名称：2018勘探地球物理学研究进展学术研讨会  
会议时间：2018年11月1日
会议地点：成都
主办单位：中国地球物理学会
语种：chi
分类号：P63TP3
关键词：地震相分析  叠前纹理特征  半监督学习  自组织映射神经网络  人工蜂群算法
在线出版日期：2021年8月24日
基金项目：
相似文献
相关博文

2024-12-3 20:01 上传 基于叠前地震纹理特征的半监督全局优化地震相分析.pdf

文件大小:

1.74 MB

下载次数:

60

高速下载