应用自组织神经网络划分地震微相

被引：10

作者：

刘力辉

杨梦岩

熊金良

姚江波

常德双

机构：

[1] 大港石油管理局物探公司,大港石油管理局物探公司,大港石油管理局物探公司,大港石油管理局物探公司,大港石油管理局物探公司

来源：

石油地球物理勘探 | 1996年 / S2期

关键词：

自组织神经网络; 模式识别; 地震相; 动态聚类;

D O I：

10.13810/j.cnki.issn.1000-7210.1996.s2.015

中图分类号：

P631.4 [地震勘探];

学科分类号：

070403 [天体物理学];

摘要：

目前，利用神经网络划分地震微相的方法可以归纳为两大类：一类是监督型模式识别；另一类是非监督型模式识别。当样本资料不足或不具代表性时，采用监督型模式识别容易造成强行分类而导致错误结论。以Kohonen网络为代表的非监督型模式识别的缺陷是：①不能动态聚类；②输入模式动态范围较大时，量值小的模式不易识别；③最终炎别关系亲近程度不清。本文对非监督型模式识别作了改进，应用改进后的识别方法，可以实现由细到粗的类别动态系类，而且最终类别间亲近关系也非常明显。

引用

页码：90 / 94+100 +100-151

页数：7