發(fā)布時(shí)間：2021-01-24 23:33

　　應(yīng)用數(shù)據(jù)挖掘技術(shù)進(jìn)行地質(zhì)儲(chǔ)層預(yù)測(cè),在石油開(kāi)發(fā)中是一項(xiàng)重要的技術(shù)。由于大多數(shù)地震數(shù)據(jù)并不具有監(jiān)督信息,故而聚類技術(shù)成為了地質(zhì)結(jié)構(gòu)分析的首選方法。每個(gè)工區(qū)的一個(gè)地震屬性可以看作是一個(gè)圖像,而且地震數(shù)據(jù)來(lái)源于地質(zhì)空間方位信息:在同一區(qū)域內(nèi)部數(shù)據(jù)具有較大的相似性,而在不同區(qū)域里的數(shù)據(jù)的差異性則較大。根據(jù)上面兩點(diǎn),文中提出一種基于多相水平集圖像分割的地震數(shù)據(jù)聚類分析算法,這個(gè)算法包括2個(gè)步驟:數(shù)據(jù)初始化,數(shù)據(jù)分割及聚類。數(shù)據(jù)初始化能大大約減數(shù)據(jù)量,使得后面的圖像分割步驟更加的快速,在數(shù)據(jù)分割及聚類中將Li[1]提出的基于局部灰度聚類的多相水平集的圖像分割算法應(yīng)用擴(kuò)展到七個(gè)目標(biāo)區(qū)域的地震屬性數(shù)據(jù)分割上,而且由于原始地震屬性數(shù)據(jù)信息量大,即使經(jīng)過(guò)數(shù)據(jù)降維處理,數(shù)據(jù)的維數(shù)仍然不止一維,圖像分割算法是在平面上進(jìn)行圖像分割,所以考慮把基于局部灰度聚類的圖像分割算法擴(kuò)展到多維數(shù)據(jù)分割,使其能夠處理高維不均勻地震數(shù)據(jù),最后簡(jiǎn)單的通過(guò)每個(gè)數(shù)據(jù)點(diǎn)分割后的三個(gè)水平集的正負(fù)組合對(duì)數(shù)據(jù)點(diǎn)歸類。最后對(duì)聚類的結(jié)果進(jìn)行了聚類有效性評(píng)價(jià)。把基于多相水平集圖像分割的地震數(shù)據(jù)聚類分析算法和在實(shí)際地質(zhì)儲(chǔ)層預(yù)測(cè)中得到良好效果的k均值算... 

【文章來(lái)源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 相關(guān)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 地震屬性聚類的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 圖像分割方法研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)
第二章 數(shù)據(jù)初始化
    2.1 地震屬性數(shù)據(jù)清洗
    2.2 數(shù)據(jù)降維
    2.3 本章小結(jié)
第三章 基于多相水平集地震數(shù)據(jù)分割及聚類
    3.1 基于多相水平集的地震數(shù)據(jù)分割
        3.1.1 地震數(shù)據(jù)的圖像模型
        3.1.2 局部地震數(shù)據(jù)聚類性質(zhì)
        3.1.3 能量方程
        3.1.4 水平集和能量方程最小化
        3.1.5 基于多相水平集的地震數(shù)據(jù)分割
        3.1.6 多通道圖像分割
        3.1.7 數(shù)值實(shí)現(xiàn)
    3.2 地震數(shù)據(jù)聚類
    3.3 本章小結(jié)
第四章 實(shí)驗(yàn)
    4.1 數(shù)據(jù)初始化
    4.2 基于多相水平集圖像分割的地震數(shù)據(jù)聚類分析算法的實(shí)驗(yàn)
    4.3 本章小結(jié)
第五章 聚類有效性評(píng)價(jià)
    5.1 幾種聚類評(píng)價(jià)指標(biāo)介紹
        5.1.1 Dunn指標(biāo)
        5.1.2 I指標(biāo)
        5.1.3 SD指標(biāo)
    5.2 兩種聚類算法有效性指標(biāo)結(jié)果
    5.3 兩種聚類算法有效性指標(biāo)比較與分析
    5.4 本章小結(jié)
第六章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]2015年中國(guó)石油進(jìn)出口狀況分析[J]. 田春榮.  國(guó)際石油經(jīng)濟(jì). 2016(03)
[2]利用人工蜂群算法進(jìn)行地震屬性聚類分析[J]. 曹成寅,鄭曉東,李艷東,李勁松.  石油地球物理勘探. 2015(04)
[3]聚類有效性研究綜述[J]. 周開(kāi)樂(lè),楊善林,丁帥,羅賀.  系統(tǒng)工程理論與實(shí)踐. 2014(09)
[4]基于局部線性嵌入的人工智能臺(tái)風(fēng)強(qiáng)度集合預(yù)報(bào)模型[J]. 黃穎,金龍,黃小燕,史旭明,金健.  氣象. 2014(07)
[5]一種基于多流形局部線性嵌入算法的故障診斷方法[J]. 謝小欣,胡建中,許飛云,賈民平.  機(jī)械工程學(xué)報(bào). 2013(11)
[6]聚類有效性的組合評(píng)價(jià)方法[J]. 劉燕馳,高學(xué)東,國(guó)宏偉,武森.  計(jì)算機(jī)工程與應(yīng)用. 2011(19)
[7]圖像分割方法綜述[J]. 魏偉波,潘振寬.  世界科技研究與發(fā)展. 2009 (06)
[8]數(shù)據(jù)降維方法分析與研究[J]. 吳曉婷,閆德勤.  計(jì)算機(jī)應(yīng)用研究. 2009(08)
[9]基于分水嶺算法的圖像分割方法研究[J]. 王國(guó)權(quán),周小紅,蔚立磊.  計(jì)算機(jī)仿真. 2009(05)
[10]基于優(yōu)化的LDA算法人臉識(shí)別研究[J]. 莊哲民,張阿妞,李芬蘭.  電子與信息學(xué)報(bào). 2007(09)

博士論文
[1]高維數(shù)據(jù)的降維理論及應(yīng)用[D]. 譚璐.國(guó)防科學(xué)技術(shù)大學(xué) 2005



本文編號(hào)：2998134