地震數(shù)據(jù)的構造解釋對礦山安全高效開采有重要作用,地震屬性常用來進行構造解釋,而單一屬性及傳統(tǒng)屬性疊置方法無法完全利用地震數(shù)據(jù)中的信息。本文使用基于主成分分析-競爭神經(jīng)網(wǎng)絡的方法對多種地震屬性進行融合聚類,實現(xiàn)復雜構造的識別。首先提取與構造相關性強的地震屬性,然后利用主成分分析方法得到貢獻率最大的幾個主成分分量,最后利用無監(jiān)督學習方法中的競爭神經(jīng)網(wǎng)絡來實現(xiàn)對選定的主成分分量的融合和聚類。以邢東礦區(qū)1200勘探區(qū)（經(jīng)實際揭露為構造發(fā)育區(qū)域）的地震數(shù)據(jù)作為研究對象,應用基于主成分分析-競爭神經(jīng)網(wǎng)絡的多屬性融合聚類方法進行分析,聚類圖像能夠清晰對應實際地質(zhì)異常,有效分辨構造分布特征,為多屬性構造識別提供了一種可行的方法。 

【文章來源】：煤炭與化工. 2020,43(12)

【文章頁數(shù)】：5 頁

【部分圖文】：

inline305地震剖面

方差屬性

圖3 均方根振幅屬性圖5為原始地震記錄、方差體、混沌體、構造傾角、均方根振幅疊置得到的結果，可以看出結合了這些屬性的優(yōu)點，實現(xiàn)更好的構造解釋效果，但屬性的疊置也遮擋了很多信息。

【參考文獻】：
期刊論文
[1]基于波形特征向量的凝聚層次聚類地震相分析[J]. 劉仕友,宋煒,應明雄,孫萬元,汪銳.  物探與化探. 2020(02)
[2]基于LOF的K-means聚類方法及其在微震監(jiān)測中的應用[J]. 劉德彪,李夕兵,李響,尚雪義.  中國安全生產(chǎn)科學技術. 2019(06)
[3]基于改進廣義回歸神經(jīng)網(wǎng)絡的工作面低氧預測模型研究[J]. 楊小彬,王逍遙,周世祿,張子鵬.  礦業(yè)科學學報. 2019(05)
[4]基于PCA-Kmeans++的煤層氣多屬性融合聚類分析方法研究[J]. 謝瑋,畢臣臣,劉學清,劉煒,葛黛薇,唐天擇.  煤炭技術. 2019(05)
[5]顧桂礦區(qū)活斷層三維地震解釋及其發(fā)育特征研究[J]. 師素珍,谷劍英,郭家成,劉中元,李玉瑩.  礦業(yè)科學學報. 2019(04)
[6]地震屬性分析在沙曲煤礦采空區(qū)的應用[J]. 方榮耀,于攀.  煤炭技術. 2018(07)
[7]基于SVM算法的地震小斷層自動識別[J]. 孫振宇,彭蘇萍,鄒冠貴.  煤炭學報. 2017(11)
[8]基于改進競爭型神經(jīng)網(wǎng)絡的分類算法研究[J]. 南書坡,郭戰(zhàn)杰,程聰,韓利華.  電腦知識與技術. 2017(16)
[9]地震屬性融合方法綜述[J]. 李婷婷,王釗,馬世忠,王昭,袁子龍.  地球物理學進展. 2015(01)
[10]地震屬性分析技術綜述[J]. 王開燕,徐清彥,張桂芳,程某存,李培海.  地球物理學進展. 2013(02)

碩士論文
[1]競爭型神經(jīng)網(wǎng)絡周期解的存在性與穩(wěn)定性分析[D]. 劉洋.江南大學 2014



本文編號：3396978