本文選題：斷層識別方法 + 連通區(qū)域　； 參考：《石油地球物理勘探》2017年04期

【摘要】：針對現(xiàn)有自動地震斷層識別方法所存在的精度低、耗時較長及不能獲得量化的斷層識別結(jié)果等問題,提出了一種基于相似性傳播聚類與主成分分析(Principal Component Analysis,PCA)的地震斷層識別方法。首先,采用連通區(qū)域標注方法確定地震層位的不連續(xù)點。然后,利用相似性傳播聚類算法對層位不連續(xù)點進行聚類,每一類不連續(xù)點可以確定一條斷層,以此可獲得斷層的數(shù)量和每個類別的聚類中心。最后,基于PCA方法計算出每一類層位不連續(xù)點的主方向,將沿著主方向且經(jīng)過相應聚類中心的線段作為斷層�；谀Ｐ蛿�(shù)據(jù)和實際地震數(shù)據(jù)將文中方法與現(xiàn)有方法進行了對比,在峰值信噪比、均方誤差、時間消耗和斷層條數(shù)符合率等方面彰顯了文中方法的合理性,并可對斷層進行"量化"解釋,在地震勘探等領(lǐng)域具有較高的實際意義。
[Abstract]:Aiming at the problems existing in the existing automatic seismic fault recognition methods, such as low accuracy, long time consuming and unable to obtain quantitative fault identification results, a fault recognition method based on similarity propagation clustering and principal component analysis (PCA) is proposed. First, the discontinuous points of seismic horizon are determined by means of the connected region annotation method. Then, the similarity propagation clustering algorithm is used to cluster the discontinuous points of the horizon. Each discontinuous point can determine a fault, and then the number of faults and the cluster center of each class can be obtained. Finally, based on PCA method, the main directions of discontinuous points of each kind of layers are calculated, and the lines along the main direction and passing through the corresponding clustering center are regarded as faults. Based on the model data and the actual seismic data, the method is compared with the existing methods. The method is reasonable in the aspects of peak signal-to-noise ratio (PSNR), mean square error (MSE), time consumption and fault number coincidence rate, etc. It is of great practical significance in seismic exploration and so on.
【作者單位】： 中國科學院地質(zhì)與地球物理研究所中國科學院油氣資源研究重點實驗室;北京工業(yè)大學信息學部計算機學院;
【分類號】：P631.4

【參考文獻】

相關(guān)期刊論文 前9條

1 嵇艷鞠;徐鵬;趙雪嬌;朱宇;關(guān)珊珊;欒卉;;基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的航空飛行幾何參數(shù)擬合[J];地球物理學報;2016年04期

2 徐明亮;王士同;杭文龍;;一種基于同類約束的半監(jiān)督近鄰反射傳播聚類方法[J];自動化學報;2016年02期

3 陳晉音;何輝豪;;基于密度的聚類中心自動確定的混合屬性數(shù)據(jù)聚類算法研究[J];自動化學報;2015年10期

4 周晨曦;梁循;齊金山;;基于約束動態(tài)更新的半監(jiān)督層次聚類算法[J];自動化學報;2015年07期

5 張震;汪斌強;李向濤;黃萬偉;;基于近鄰傳播學習的半監(jiān)督流量分類方法[J];自動化學報;2013年07期

6 于彥偉;王沁;鄺俊;何杰;;一種基于密度的空間數(shù)據(jù)流在線聚類算法[J];自動化學報;2012年06期

7 王守強;朱大銘;;基于最小聚類求解k-means問題算法[J];通信學報;2010年07期

8 肖宇;于劍;;基于近鄰傳播算法的半監(jiān)督聚類[J];軟件學報;2008年11期

9 李強,裘正定,孫冬梅,劉陸陸;基于改進二維主成分分析的在線掌紋識別[J];電子學報;2005年10期

【共引文獻】

相關(guān)期刊論文 前10條

1 陳雷;肖創(chuàng)柏;禹晶;王真理;李學良;;基于相似性傳播聚類與主成分分析的斷層識別方法[J];石油地球物理勘探;2017年04期

2 黃大榮;陳長沙;孫國璽;趙玲;;電力變壓器故障的客觀熵權(quán)識別及診斷方法[J];電力系統(tǒng)自動化;2017年12期

3 唐丹;張正軍;;近鄰傳播聚類算法的優(yōu)化[J];計算機應用;2017年S1期

4 秦緒華;王秋平;陳志強;;基于改進k-means算法的電站最優(yōu)外部運行工況劃分[J];熱力發(fā)電;2017年06期

5 王穎慧;;基于自適應的半監(jiān)督近鄰傳播算法[J];福建電腦;2017年05期

6 樊超;李宏偉;;利用優(yōu)化的DenStream算法進行空間數(shù)據(jù)流聚類[J];測繪與空間地理信息;2017年04期

7 趙淑娟;王江晴;孫陽光;;基于改進仿射傳播聚類的圖像分割算法研究[J];軟件導刊;2017年03期

8 盧春光;周安民;;基于TFP*DF的熱點新聞發(fā)現(xiàn)研究[J];現(xiàn)代計算機(專業(yè)版);2017年08期

9 羅丹;毛先成;鄧浩;;一種基于密度峰值的半監(jiān)督聚類算法[J];地理與地理信息科學;2017年02期

10 陳雷;肖創(chuàng)柏;禹晶;張亞紅;王真理;;自適應聚類Hough變換及地震斷層檢測[J];高技術(shù)通訊;2017年03期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 畢凱;王曉丹;邢雅瓊;;基于模糊測度和證據(jù)理論的模糊聚類集成方法[J];控制與決策;2015年05期

2 儲岳中;徐波;高有濤;邰偉鵬;;基于近鄰傳播聚類與核匹配追蹤的遙感圖像目標識別方法[J];電子與信息學報;2014年12期

3 嵇艷鞠;徐江;吳瓊;王遠;馮雪;欒卉;關(guān)珊珊;林君;;基于神經(jīng)網(wǎng)絡(luò)電性源半航空視電阻率反演研究[J];電波科學學報;2014年05期

4 劉建偉;劉媛;羅雄麟;;半監(jiān)督學習方法[J];計算機學報;2015年08期

5 曲昕馨;李桐林;王飛;;直升機吊艙姿態(tài)變化對電磁場測量的影響規(guī)律及其校正方法研究[J];地球物理學報;2014年04期

6 張爽;何勝;陳曙東;;高次互感響應對瞬變電磁系統(tǒng)標定的影響[J];地球物理學進展;2014年01期

7 張建朋;陳福才;李邵梅;劉力雄;;基于密度與近鄰傳播的數(shù)據(jù)流聚類算法[J];自動化學報;2014年02期

8 王琦;林君;于生寶;李冰冰;朱凱光;;固定翼航空電磁系統(tǒng)的線圈姿態(tài)及吊艙擺動影響研究與校正[J];地球物理學報;2013年11期

9 張震;汪斌強;伊鵬;蘭巨龍;;一種分層組合的半監(jiān)督近鄰傳播聚類算法[J];電子與信息學報;2013年03期

10 何東;劉瑞葉;;基于主成分分析的神經(jīng)網(wǎng)絡(luò)動態(tài)集成風功率超短期預測[J];電力系統(tǒng)保護與控制;2013年04期

【相似文獻】

相關(guān)期刊論文 前3條

1 劉漢湖;楊武年;楊容浩;;基于決策樹理論的巖礦信息識別方法研究[J];國土資源科技管理;2012年06期

2 劉磊;周軍;馮敏;李昱星;牛濤;;甘肅北山輝銅山地區(qū)鎂鐵巖體遙感識別方法研究[J];遙感技術(shù)與應用;2013年03期

3 ;[J];;年期

相關(guān)會議論文 前1條

1 劉剛;袁娜;張敏;;儲層無效循環(huán)場識別方法研究[A];2004第三屆油氣儲層研討會論文摘要集[C];2004年

，

本文編號：2008326