基于波形特征向量的谱聚类地震相分析

摘要：

本文提出一种基于地震沉积学原理沿层提取地震波形特征向量,并以谱聚类(spectral clustering)分析进行地震相划分的方法.谱聚类能够处理非线性的数据结构和高维数据的聚类问题,但其相似度矩阵的构建和谱分解的计算较为复杂,需要较高的计算资源和时间成本.为提高谱聚类算法的效率和可扩展性,本文提出将Mini-batch K-means算法与谱聚类算法结合起来的MKSC算法,在提高谱聚类算法精度的同时大大降低谱聚类空间的复杂度.经过对数值模拟、地球物理模型数据和实际地震资料的处理分析,证明该方法在沉积相划分、沉积相特征识别方面的效果明显,是一种具有良好应用前景的新型沉积特征分析工具.

关键词：机器学习、谱聚类、波形聚类、地震相、地震沉积学

所属期刊栏目：33

分类号：O242;P631.4;P315(计算数学)

资助基金：十四五科技重大项目KJGG2022-0304

在线出版日期：2024-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：13-23