基于概率核主成分分析的融合方法研究

论文摘要

采集的地震资料数据包含了大量地下地质信息,从原始资料中提取的地震属性则直观的反映了地下地质的各种特征。随着计算机技术的不断更新,数学算法的不断优化,地震属性的种类也不断增加,从地震数据中提取地质信息的能力大大地加强,通过地震属性对储层的预测方法受到更多人的关注。然而大多数利用地震属性预测储层的方法,都是通过单一属性预测,不仅达不到预测精度,还存在多解性问题,因此多属性分析技术应运而生,即利用多个地震属性进行综合分析。其中主要方法为基于多元信息融合的地震多属性融合技术。其中基于主成分析的多元信息融合技术,在模式识别,数据压缩降维中占有重要地位,是K-L降维变换的方法之一。通过一定的准则,进行特征互补,除去冗余信息,产生新的数据,是主成分分析的主要思想,由于新数据在保留大部分原有数据特征的同时删除了大量冗余信息,从而提高预测精度,能够解决单一地震属性分析多解性问题。本文主要研究了PCA的方法原理,利用PCA的降维优势,将提取的多个敏感属性进行降维处理,实现属性融合。并且,为了更好的提取敏感属性中的非线性特征,引入核函数思想,建立KPCA模型,即核主成分分析。同时基于贝叶斯概率理论,在核函数模型的基础上,建立PKPCA模型,即概率核主成分分析。通过基于PKPCA地震多属性融合技术,能较好的对地质情况进行分析,提高储层预测的精度。同时研究了基于PKPCA的岩性识别模式,以及基于KFDA岩性识别模型。利用多个与岩性相关参数,提取不同岩性特征。针对大规模地震属性数据在引入核函数后出现的核矩阵规模巨大的问题,提出了大规模数据集核矩阵的优化问题。重点研究了基于分块思想的自相关矩阵优化,以及基于迭代思想的样本库重构方法。在保证数据精度的同时降低核矩阵计算的复杂度。并利用PKPCA模型对五百梯目的层生物礁空间展布以及储层有利区发育进行分析。

论文目录

文章来源

类型: 硕士论文

作者: 罗磊

导师: 赵虎

关键词: 属性融合,核函数,概率核主成分

来源: 西南石油大学

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 地质学,地球物理学,矿业工程

单位: 西南石油大学

分类号: P631.4

DOI: 10.27420/d.cnki.gxsyc.2019.000336

总页数: 78

文件大小: 8748K

下载量: 42

相关论文文献

• [1].基于核主成分分析的发动机性能参数评价研究[J]. 山东工业技术 2016(15)
• [2].基于改进核主成分分析的故障检测与诊断方法[J]. 化工学报 2015(06)
• [3].基于核主成分分析和极限学习机的短期电力负荷预测[J]. 电子测量与仪器学报 2018(01)
• [4].联合核主成分分析[J]. 沈阳大学学报(自然科学版) 2015(04)
• [5].基于核主成分分析的环境质量综合评价模型[J]. 电脑知识与技术 2014(09)
• [6].基于核主成分分析的教练评价模型[J]. 科技创新导报 2014(26)
• [7].面向图像分类的核主成分分析网络（英文）[J]. Journal of Southeast University(English Edition) 2015(04)
• [8].核主成分分析网络的人脸识别方法[J]. 中山大学学报(自然科学版) 2016(05)
• [9].基于小波核主成分分析和差分进化优化极限学习机的入侵检测[J]. 计算机应用与软件 2014(05)
• [10].一种鲁棒的概率核主成分分析模型[J]. 海军航空工程学院学报 2016(04)
• [11].基于核主成分分析的热轧带钢头部拉窄分析[J]. 北京科技大学学报 2012(04)
• [12].基于核主成分分析与正交最小二乘法的软仪表建模方法及其在柴油凝点预报中的应用[J]. 硅谷 2012(18)
• [13].基于核主成分分析的多输出模型确认方法[J]. 北京航空航天大学学报 2017(07)
• [14].面向基因数据分类的核主成分分析旋转森林算法[J]. 计算机科学与探索 2017(10)
• [15].基于稀疏核主成分分析的语音情感识别研究[J]. 信息化研究 2014(01)
• [16].降维的统一框架[J]. 韩山师范学院学报 2012(03)
• [17].基于增量核主成分分析的数据流在线分类框架[J]. 自动化学报 2010(04)
• [18].密度敏感鲁棒模糊核主成分分析算法[J]. 自动化学报 2020(02)
• [19].基于曲波域与核主成分分析的人脸识别[J]. 光电工程 2011(10)
• [20].一种组合类别信息的核主成分分析方法[J]. 模式识别与人工智能 2008(03)
• [21].基于核主成分分析和朴素贝叶斯的滚动轴承故障诊断[J]. 现代计算机(专业版) 2019(09)
• [22].基于核主成分分析的空域复杂度无监督评估[J]. 航空学报 2019(08)
• [23].基于核主成分分析的地震属性优化方法及应用[J]. 石油地球物理勘探 2008(02)
• [24].基于核主成分分析方法的标准化船型设计优化[J]. 中国造船 2010(04)
• [25].基于分块核主成分分析和支持向量机的故障检测[J]. 控制理论与应用 2020(04)
• [26].一种快速核特征提取方法及其应用[J]. 计算机工程 2009(24)
• [27].基于两个方向二维核主成分分析的手指静脉识别[J]. 信息网络安全 2014(04)
• [28].基于核主成分分析的大学生综合素质测评[J]. 科技信息 2010(07)
• [29].基于组合核主成分分析的潜艇威胁度评估模型[J]. 计算机工程 2018(11)
• [30].基于小波核主成分分析的相关向量机高光谱图像分类[J]. 电子与信息学报 2012(08)

标签：属性融合论文;  核函数论文;  概率核主成分论文;