基于地震属性的机器学习在构造识别中的应用

发布时间：2021-09-15 22:58

　　地震数据的构造解释对矿山安全高效开采有重要作用,地震属性常用来进行构造解释,而单一属性及传统属性叠置方法无法完全利用地震数据中的信息。本文使用基于主成分分析-竞争神经网络的方法对多种地震属性进行融合聚类,实现复杂构造的识别。首先提取与构造相关性强的地震属性,然后利用主成分分析方法得到贡献率最大的几个主成分分量,最后利用无监督学习方法中的竞争神经网络来实现对选定的主成分分量的融合和聚类。以邢东矿区1200勘探区（经实际揭露为构造发育区域）的地震数据作为研究对象,应用基于主成分分析-竞争神经网络的多属性融合聚类方法进行分析,聚类图像能够清晰对应实际地质异常,有效分辨构造分布特征,为多属性构造识别提供了一种可行的方法。 

【文章来源】：煤炭与化工. 2020,43(12)

【文章页数】：5 页

【部分图文】：

inline305地震剖面

方差属性

图3 均方根振幅属性图5为原始地震记录、方差体、混沌体、构造倾角、均方根振幅叠置得到的结果，可以看出结合了这些属性的优点，实现更好的构造解释效果，但属性的叠置也遮挡了很多信息。

【参考文献】：
期刊论文
[1]基于波形特征向量的凝聚层次聚类地震相分析[J]. 刘仕友,宋炜,应明雄,孙万元,汪锐.  物探与化探. 2020(02)
[2]基于LOF的K-means聚类方法及其在微震监测中的应用[J]. 刘德彪,李夕兵,李响,尚雪义.  中国安全生产科学技术. 2019(06)
[3]基于改进广义回归神经网络的工作面低氧预测模型研究[J]. 杨小彬,王逍遥,周世禄,张子鹏.  矿业科学学报. 2019(05)
[4]基于PCA-Kmeans++的煤层气多属性融合聚类分析方法研究[J]. 谢玮,毕臣臣,刘学清,刘炜,葛黛薇,唐天择.  煤炭技术. 2019(05)
[5]顾桂矿区活断层三维地震解释及其发育特征研究[J]. 师素珍,谷剑英,郭家成,刘中元,李玉莹.  矿业科学学报. 2019(04)
[6]地震属性分析在沙曲煤矿采空区的应用[J]. 方荣耀,于攀.  煤炭技术. 2018(07)
[7]基于SVM算法的地震小断层自动识别[J]. 孙振宇,彭苏萍,邹冠贵.  煤炭学报. 2017(11)
[8]基于改进竞争型神经网络的分类算法研究[J]. 南书坡,郭战杰,程聪,韩利华.  电脑知识与技术. 2017(16)
[9]地震属性融合方法综述[J]. 李婷婷,王钊,马世忠,王昭,袁子龙.  地球物理学进展. 2015(01)
[10]地震属性分析技术综述[J]. 王开燕,徐清彦,张桂芳,程某存,李培海.  地球物理学进展. 2013(02)

硕士论文
[1]竞争型神经网络周期解的存在性与稳定性分析[D]. 刘洋.江南大学 2014



本文编号：3396978