基于深度嵌入网络的地震相聚类技术

李祺鑫; 罗亚能; 马晓强; 陈诚; 祝彦贺

首页> 中文期刊> 《石油地球物理勘探》 >基于深度嵌入网络的地震相聚类技术

基于深度嵌入网络的地震相聚类技术

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

早期基于机器学习的地震相聚类分析依赖地震属性种类的选择与组合,结果具有很强的主观性,而数据驱动下的深度学习可以规避该缺陷。因此,利用深度学习技术,采用自编码网络架构,通过嵌入编码(Embedding Code)对地震数据进行抽象表示;引入聚类损失函数与重建损失函数,建立联合损失函数并优化,使学习到的地震特征既能重建地震数据,又具有较好的聚类能力。鄂尔多斯盆地A致密气探区实际应用结果表明:经过500次迭代后,嵌入编码已具有明显的聚类特征,同时能很好地恢复原始地震信号,相对误差小于5%;与均方根振幅属性相比,基于深度嵌入网络的地震相聚类技术计算的地震相图刻画河道更准确、细节更丰富;比K-Means聚类算法预测结果的井震符合率更高,可达89.3%。

著录项

来源
《石油地球物理勘探》 |2022年第2期|261-267|共8页
作者
李祺鑫; 罗亚能; 马晓强; 陈诚; 祝彦贺;
展开▼
作者单位

中海油研究总院有限责任公司;

东方地球物理公司物探技术研究中心;

展开▼
原文格式 PDF
正文语种 chi
中图分类地球物理勘探;
关键词
地震相分析; 卷积自编码网络; 深度学习; 特征表示;

相似文献

中文文献
外文文献
专利

1. 基于深度卷积神经网络的地震震相拾取方法研究 [J] . 李健 ,王晓明 ,张英海 . 地球物理学报 . 2020,第004期
2. 深度多网络嵌入聚类 [J] . 陈锐 ,唐永强 ,张彩霞 . 模式识别与人工智能 . 2021,第001期
3. 基于地震纹理属性和模糊聚类划分地震相 [J] . 胡英 ,陈辉 ,贺振华 . 石油地球物理勘探 . 2013,第001期
4. 一种基于嵌入技术的异构信息网络的快速聚类算法 [J] . 陈丽敏 ,杨静 ,张健沛 . 电子与信息学报 . 2015,第011期
5. 基于深度学习震相拾取和密集台阵数据构建青海玛多M_(S)7.4地震震源区高分辨率地震目录 [J] . 郭慧丽 ,常利军 ,鲁来玉 . 地球物理学报 . 2022,第5期
6. 基于地震属性聚类的地震相分析及沉积相研究 [C] . WANG Tianyun ,王天云 ,HAN Xiaofeng . 2020油气田勘探与开发国际会议（IFEDC2020） . 2020
7. 基于变分自编码器的带属性网络表示学习与深度嵌入聚类 [A] . 余平刚 . 2019

基于深度嵌入网络的地震相聚类技术

摘要

著录项

相似文献

相关主题

期刊订阅