基于SOM和PSO的非监督地震相分析技术
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.
自组织神经网络、粒子群算法、非监督地震相分析、聚类
58
P631
国家重大专项2011ZX05004-003和国家自然科学基金40504110联合资助.
2015-11-02(万方平台首次上网日期,不代表论文的发表时间)
3412-3423