基于SOM和PSO的非监督地震相分析技术

被引：48

作者：

张 ^{[1
]}

郑晓东 ^{[1
]}

李劲松 ^{[1
]}

路交通 ^{[2
]}

曹成寅 ^{[1
]}

隋京坤 ^{[1
]}

机构：

[1] 中国石油勘探开发研究院

[2] 中石化石油工程地球物理有限公司

来源：

地球物理学报 | 2015年 / 58卷 / 09期

关键词：

自组织神经网络; 粒子群算法; 非监督地震相分析; 聚类;

D O I：

暂无

中图分类号：

P631.4 [地震勘探];

学科分类号：

070403 [天体物理学];

摘要：

地震相分析技术是储层预测的一种重要方法,可以用来描述有利沉积相带的分布规律.传统的地震相聚类分析方法对大数据的处理运算速度较慢,且容易陷入局部极小值,造成聚类分析的结构不准确.本文提出基于自组织神经网络(SOM)和粒子群优化方法(PSO)相结合的地震相分析技术,利用自组织神经网络能够保持原始地震数据的拓扑结构特性的特点,将大量冗余样本压缩为小样本数据,再通过粒子群的全局寻优能力改善K均值聚类的效果.理论模型和实际应用表明该方法能既有效实现数据压缩,又能提供较为准确的全局解,在地震相预测中兼顾计算效率和计算精度.

引用

页码：3412 / 3423

页数：12

共 10 条

[1]

SELF-ORGANIZED FORMATION OF TOPOLOGICALLY CORRECT FEATURE MAPS [J].